glmnet lasso ROC 차트

Question

나는 올가미 회귀를 구현하는 glmnet에서 k- 교차 유효성 검사를 사용하고 있었지만이 방법으로 ROC 차트를 만들 수는 없습니다.

library(glmnet) 
glm_net <- cv.glmnet(dev_x_matrix,dev_y_vector,family="binomial",type.measure="class") 
phat <- predict(glm_net,newx=val_x_matrix,s="lambda.min") 

그게 저에게 맞는 값의 로그처럼 보이는 벡터를 가져옵니다. 이 후 일부 ROC 차트를 생성하려고했지만 작동하지 않았습니다. 나는 그것이 glmnet에 들어가는 x와 y 객체의 특성 때문에라고 생각합니다. 아이디어가 있으십니까?

Answer 1

집합 {0,1}에 이진 관측치가 있다고 가정합니다.

당신은 [0, 1] 로짓 함수를 사용하여 범위에 근사한 변수의 예측 값을 변환 할 수 있습니다

phat_new = exp(phat)/(1+exp(phat)) 

지금, 당신이 알고 무엇 예측값, phat_new, 관찰의 진정한 가치, val_y_matrix, 귀하의 유효성 확인 데이터 세트 p의 1의 백분율이 있습니다. ROC을 플로팅하는 한 가지 방법은 다음과 같습니다.

fix t. 이것은 모델에 대한 컷오프 임계 값 ([0,1] 단위)입니다. 다음을 계산하십시오.

# percentage of 1 observations in the validation set, 
p = length(which(val_y_matrix==1))/length(val_y_matrix) 

# probability of the model predicting 1 while the true value of the observation is 0, 
p_01 = sum(1*(phat_new>=t & val_y_matrix==0))/dim(val_x_matrix)[1] 

# probability of the model predicting 1 when the true value of the observation is 1, 
p_11 = sum(1*(phat_new>=t & val_y_matrix==1))/dim(val_x_matrix)[1] 

# probability of false-positive, 
p_fp = p_01/(1-p) 

# probability of true-positive, 
p_tp = p_11/p 

# plot the ROC, 
plot(p_fp, p_tp) 

이 방법을 사용하는 것이 더 좋은지 궁금합니다. 예를 들어 분류 트리를 사용하는 경우 손실 매트릭스를 모델의 입력으로 제공 할 수 있으며 손실 매트릭스의 비용 비율에 따라 얻을 수있는 모델이 달라집니다. 즉, 비용 비율을 변경하면 다른 모델을 얻게되며 다른 모델은 ROC 곡선에서 다른 점이됩니다.

Answer 2

require("glmnet") 

측정 값을 변경하면 AUC가 적용됩니다. 그것은 ROC 곡선이 아니지만 동일한 정보를 제공합니다.

glm_net <- cv.glmnet(x, y, family="binomial", type.measure="auc") 
plot(glm_net) 

다음은 모델인데, 어떻게 보이는지 보여주는 것입니다. BTW. 알고리즘은 매우 빠릅니다! 더 모델 시각화 기술에 대한

의 ROCr package