web-dev-qa-db-fra.com

Zone de régression logistique R sous la courbe

J'effectue une régression logistique en utilisant ceci page . Mon code est comme ci-dessous.

mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")
mylogit <- glm(admit ~ gre, data = mydata, family = "binomial")
summary(mylogit)
prob=predict(mylogit,type=c("response"))
mydata$prob=prob

Après avoir exécuté ce code, la base de données mydata comporte deux colonnes - "admettre" et "prob". Ces deux colonnes ne devraient-elles pas suffire à obtenir la courbe ROC?

Comment puis-je obtenir la courbe ROC.

Deuxièmement, en regardant les mydonnées, il semble que le modèle prédit la probabilité de admit=1.

Est-ce exact?

Comment savoir quel événement particulier le modèle prévoit?

Merci

MISE À JOUR: Il semble que les trois commandes ci-dessous soient très utiles. Ils fournissent la coupure qui aura une précision maximale et aident ensuite à obtenir la courbe ROC.

coords(g, "best")

mydata$prediction=ifelse(prob>=0.3126844,1,0)

confusionMatrix(mydata$prediction,mydata$admit
rregressionrocconfusion-matrix
13
user2543622

La courbe ROC compare le rang de prédiction et de réponse. Par conséquent, vous pouvez évaluer la courbe ROC avec le package pROC comme suit:

mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")
mylogit <- glm(admit ~ gre, data = mydata, family = "binomial")
summary(mylogit)
prob=predict(mylogit,type=c("response"))
mydata$prob=prob
library(pROC)
g <- roc(admit ~ prob, data = mydata)
plot(g)
28
wush978

une autre façon de tracer la courbe ROC ...

library(Deducer)
modelfit <- glm(formula=admit ~ gre + gpa, family=binomial(), data=mydata, na.action=na.omit)
rocplot(modelfit)
8
Manoj Kumar
#Another way to plot ROC

mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")   
mylogit <- glm(admit ~ gre, data = mydata, family = "binomial")    
summary(mylogit)     
prob=predict(mylogit,type=c("response"))    
library("ROCR")    
pred <- prediction(prob, mydata$admit)    
perf <- performance(pred, measure = "tpr", x.measure = "fpr")     
plot(perf, col=Rainbow(7), main="ROC curve Admissions", xlab="Specificity", 
     ylab="Sensitivity")    
abline(0, 1) #add a 45 degree line
2
Conny