Блог

Я строю несколько кривых ROC в R, чтобы сравнить различные модели. В частности, я проверяю ЛАССО, Логистику и Случайные Леса. Однако, в то время как ЛАССО имеет специальную функцию для этого, а именно:

 plot(roc.glmnet(lasso.fit_SUM, newx = x.train.loop, newy=y.train.loop)[[10]])
 

Логистика и РФ не имеют таких функций.
Теперь проблема в том, что я должен представить довольно кривые ROC как кривые ЛАССО. Кривая ROC ЛАССО выглядит следующим образом:

в то время как Случайный лес (и логистика) , как это:

Это кодекс, который я принимаю:

   df_train_logit_rf_class=df_train_logit_rf
  df_test_rf_class=df_test_rf
  df_train_logit_rf_class$export_future=as.factor(df_train_logit_rf_class$export_future)
  df_test_rf_class$export_future=as.factor(df_test_rf$export_future)
  
  rf.fit_SUM_classification <- randomForest(formula = export_future ~ ., data = df_train_logit_rf_class, ntree = 500, maxnodes= 100, norm.votes = F) 
  rf.pred_SUM_db <- as.data.frame(predict(rf.fit_SUM_classification, df_test_rf_class, type = "prob"))
  
  rf.pred_SUM_db$predict <- names(rf.pred_SUM_db)[1:2][apply(rf.pred_SUM_db[,1:2], 1, which.max)]
  rf.pred_SUM_db$observed <- df_test_rf_class$export_future
  #head(rf.pred_SUM_db)
  
  # 1 ROC curve
  roc.curve <- roc(ifelse(rf.pred_SUM_db$observed==1, 1, 0), as.numeric(rf.pred_SUM_db$predict))
  plot(roc.curve, col = "gray60")
 

но в результате получается уродливая кривая ROC, которую я вам показывал раньше.
export_future является факторной переменной, принимающей либо 0, либо 1. Существует много ковариат (в основном термин взаимодействия, манекены).

Моя цель состоит в том, чтобы построить кривую ROC для случайных лесов (и, возможно, логистики), которая похожа на кривую ЛАССО.

Похоже, что логистика просто принимает значение в качестве порогового значения (-Inf), а затем интерполирует остальную часть кривой, в то время как для этого должно потребоваться больше пороговых значений.

Заранее спасибо,

Federico