下面是我编写的用于构建 SVM 模型的代码。我正在使用 ROCR 包来绘制 ROC 图。
library(e1071)
library(caret)
library(gplots)
library(ROCR)
inTraining <- createDataPartition(data$Class, p = .70, list = FALSE)
training <- data[ inTraining,]
testing <- data[-inTraining,]
svm.model <- svm(Class ~ ., data = training,cross=10, metric="ROC",type="C-classification",kernel="linear",na.action=na.omit,probability = TRUE)
#prediction and ROC
svm.model$index
svm.pred <- predict(svm.model, testing, probability = TRUE)
c <- as.numeric(svm.pred)
c = c - 1
pred <- prediction(c, testing$Class)
perf <- performance(pred,"tpr","fpr")
plot(perf,fpr.stop=0.1)
我尝试按照这个解决方案从 ROC 曲线获取阈值但是，我得到了一个阈值截止(0.173913 0.673913)
> head(cutoffs)
cut fpr tpr
1 Inf 0.000000 0.000000
2 1 0.173913 0.673913
3 0 1.000000 1.000000
如何获得多个阈值以获得绘制 ROC 曲线的不同 Tpr 和 fpr 率？
这是因为您正在直接预测类标签。您的预测可能如下所示：
table(svm.pred)
pred
class1 class2
28 37
因此，没有阈值可供选择来构建 ROC 曲线。
尝试进行回归（在 e1071 中，您需要确保您的类标签是数字）：
svm.model <- svm(as.numeric(Class) ~ ., data = training, type="eps-regression", [...])
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句