proc-r-package相关内容
我是 R 新手,遇到了这个问题:我想比较两种预测技术(支持向量机和神经网络)将它们应用于某些数据,我想比较它们的性能.为此,我使用 ROC 曲线.该代码应该计算 ROC 曲线下的面积,但它不起作用.神经网络代码工作正常,但是当 SVM 部分执行时出现此错误: > aucs roc.default(response, predictor, auc = TRUE, ...) 中的错误:预测变量
..
我正在处理使用 caret 包生成的 SVM-RFE 模型的交叉验证数据(10 倍重复 5 次).我知道在计算指标时 caret 包与 pROC 包一起工作,但我需要使用 ROCR 包以获得平均 ROC.但是,我注意到使用每个包时平均 AUC 值并不相同,所以我不确定是否应该模糊地使用这两个包. 我用来证明的代码是: predictions_NG3 结果略有不同: auc_mean_
..
例如,当我在R(pROC软件包)中使用multiclass.roc函数时,我训练了随机林的数据集,这是我的代码: #randomForest&应该安装pROC软件包: #install.packages(c('randomForest','pROC')) 数据(iris) 库(randomForest) 库(pROC) set.seed(1000) #3类响应变量 rf = rando
..
我想用pRoC绘制ROC曲线. 但是由于某种原因,x轴的两侧都有多余的空白空间,因此我无法使用xlim将其删除.一些示例代码: library(pROC) n = c(4, 3, 5) b = c(TRUE, FALSE, TRUE) df = data.frame(n, b) rocobj
..