Estoy utilizando el paquete randomForest
en la plataforma R para la tarea de clasificación.curva ROC para la clasificación de randomForest
rf_object<-randomForest(data_matrix, label_factor, cutoff=c(k,1-k))
donde k varía de 0.1 a 0.9.
pred <- predict(rf_object,test_data_matrix)
Tengo el resultado del clasificador de bosque aleatorio y lo comparé con las etiquetas. Por lo tanto, tengo las medidas de rendimiento como precisión, MCC, sensibilidad, especificidad, etc. para 9 puntos de corte.
Ahora, quiero trazar la curva ROC y obtener el área bajo la curva ROC para ver qué tan bueno es el rendimiento. La mayoría de los paquetes en R (como ROCR, pROC) requieren predicción y etiquetas, pero tengo sensibilidad (TPR) y especificidad (1-FPR).
¿Puede alguien sugerirme si el método de corte es correcto o confiable para producir la curva ROC? ¿Conoces alguna forma de obtener la curva ROC y el área debajo de la curva usando TPR y FPR?
También traté de usar el siguiente comando para entrenar bosque aleatorio. De esta forma, las predicciones fueron continuas y aceptables para los paquetes ROCR
y pROC
en R. Sin embargo, no estoy seguro de si esta es la forma correcta de hacerlo. ¿Puede alguien sugerirme acerca de este método?
rf_object <- randomForest(data_matrix, label_vector)
pred <- predict(rf_object, test_data_matrix)
¡Gracias por su tiempo, lean mi problema! He pasado mucho tiempo navegando por esto. Gracias por su sugerencia/consejo.