r - 查找 ROC 曲线列表的外壳的代码(曲线集的上限和下限)

Question

我编写了代码来计算我在问题中要求的两行，如下图所示(所需行为红色)。

编辑:这是使用我的代码片段生成 ROC 曲线的预期图表(至少我很确定这是正确的):

问题是所说的代码非常非常难看(太长了，甚至不能在这里发布)而且我想出的过程对我来说似乎非常乏味。然而我似乎想不出更好的办法。

这是生成 ROC 曲线输入列表的快速片段

library(MASS)
library(dplyr)

simple_roc <- function(labels, scores){
  labels <- labels[order(scores, decreasing=TRUE)]
  return(rbind(c(0,0,0),data.frame(TPR=cumsum(labels)/sum(labels), FPR=cumsum(!labels)/sum(!labels), labels)))
}

diab_data=rbind(data.frame(Pima.tr),data.frame(Pima.te))

roc_curves_list_logisitic=list()

for (k in 1:100) {

  #Set a fixed seed for reproducibility
  set.seed(k)

  # sampled_rows <- createDataPartition(diab_data$type, p = .7, list = FALSE)

  sampled_rows <- sample(1:nrow(diab_data), size=floor(0.7*nrow(diab_data)))

  diab_data_train=diab_data[sampled_rows,]
  diab_data_test=diab_data[-sampled_rows,]
  diab_data_train[,1:7]=scale(diab_data_train[,1:7])
  diab_data_test[,1:7]=scale(diab_data_test[,1:7])

  diab_data_train[,"type"]=as.numeric(as.character(recode_factor(diab_data_train[,"type"],`Yes` = "1", `No` = "0")))

  diab_data_test[,"type"]=as.numeric(as.character(recode_factor(diab_data_test[,"type"],`Yes` = "1", `No` = "0")))


  logistic_model_simple=glm(data=diab_data_train,as.formula(paste(colnames(diab_data_train)[8], "~",
                                                                  paste(colnames(diab_data_train)[-8], collapse = "+"),
                                                                  sep = "")),family=binomial(link = "logit"))

  roc_curves_list_logisitic[[k]]=simple_roc(diab_data_test[,"type"], 
                                            ifelse(predict(logistic_model_simple,diab_data_test,type='response')>0.5,1,0))

}

我现在正在寻求帮助，以防有人使用我作为输入提供的 ROC 曲线列表生成此图中(在 ggplot2 中)中的两条红线的“漂亮”解决方案。

我最好以两个数据帧 lower_bound_roc_curves 和 upper_bound_roc_curves 结束，其中包含必要的值，以便在需要时分别绘制两条线。

提前致谢

编辑 2:@denis 以下是我认为您的代码有误的部分:

Answer 1

我有一个使用 data.table 和 zoo 的解决方案。第一步是在所有曲线之间有一个共同的 FPR。它是能够绘制所有曲线的最大值和最小值。为此:

library(data.table)
library(zoo)

FPRlist <- unique(rbindlist(lapply(roc_curves_list_logisitic,function(ROC){
  rccurve <- as.data.table(ROC)
  rccurve[,.(FPR = FPR)]
})))

我创建了一个表 FPRlist，其中包含所有曲线中存在的所有 FPR。在将每条曲线与包含所有 FPR 的表格合并后，我将使用 na.locf 来完成缺失值。 我使用 rbindlist 制作一张表，每条 ROC 曲线都有一个 ID

results <- rbindlist(lapply(seq(roc_curves_list_logisitic),function(idx){
  rccurve <- as.data.table(roc_curves_list_logisitic[[idx]])
  rccurve <- merge(FPRlist,rccurve,all = T)
  rccurve[,TPR := na.locf(TPR,na.rm = F)] # I complete the values
  rccurve[,ID := idx] # I create an ID
  rccurve
}))

然后我计算每个 FPR 步骤的所有 ID(所有 ROC 曲线)的最大值和最小值

resultmax <- results[,.(TPR = max(TPR)),by = FPR]
resultmin <- results[,.(TPR = min(TPR)),by = FPR]

按照你绘制的方式绘制它

ggplot()+
  geom_line(data = results,aes(FPR,TPR,color = as.factor(ID)))+
  theme_light() %+replace% theme(legend.position = "none")+
  geom_line(data = resultmax,aes(FPR,TPR),color = "red",size = 1)+
  geom_line(data = resultmin,aes(FPR,TPR),color = "red",size = 1)

我让dplyr翻译给dplyr用户，因为我不习惯。

编辑

我修改了我的绘图，以便与没有任何合并或 na.locf 的所有原始 ROC 曲线的绘图进行比较。可以看到我建议的红线确实遵循所有曲线的最大值和最小值。得到第二个图如下:

results2 <- rbindlist(lapply(seq(roc_curves_list_logisitic),function(idx){
  rccurve <- as.data.table(roc_curves_list_logisitic[[idx]])
  rccurve[,ID := idx] # I create an ID
  rccurve
}))

p2 <- ggplot()+
  geom_line(data = results2,aes(FPR,TPR,color = as.factor(ID)))+
  theme_light() %+replace% theme(legend.position = "none")

它只是绘制操作系统问题中提供的列表中包含的所有 ROC 曲线。两列图是使用 multiplot 函数获得的(参见 here )