如何计算 R 中精确召回曲线下面积的 95% CI

发布于 2025-01-12 13:55:10 字数 99 浏览 0 评论 0 原文

我使用 Mleval 包计算精确召回曲线下的面积。 Mleval 包为 AUROC 提供 95% CI，但不为 AUPRC 提供。是否有可为 AUPRC 提供 95% CI 的软件包？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

身边 2025-01-19 13:55:10

precrec 库提供了精确召回的 AUC 以及 ROC，如本示例中使用虚拟数据所示：

library(precrec)

set.seed(1)

## Create sample datasets with 100 positives and 100 negatives
samps <- create_sim_samples(2, 100, 100, "good_er")

## Single model & multiple test datasets
smmdat <- mmdata(samps[["scores"]], samps[["labels"]],
                 modnames = samps[["modnames"]],
                 dsids = samps[["dsids"]])

mod <- evalmod(smmdat)
auc_ci(mod)
#>   modnames curvetypes      mean        error lower_bound upper_bound n
#> 1  good_er        ROC 0.8192000 0.0007839856   0.8184160    0.819984 2
#> 2  good_er        PRC 0.8603505 0.0154645417   0.8448859    0.875815 2

^{由 reprex 包 (v2.0.1)}

The precrec library gives an AUC for precision-recall as well as ROC, as shown in this example with dummy data:

library(precrec)

set.seed(1)

## Create sample datasets with 100 positives and 100 negatives
samps <- create_sim_samples(2, 100, 100, "good_er")

## Single model & multiple test datasets
smmdat <- mmdata(samps[["scores"]], samps[["labels"]],
                 modnames = samps[["modnames"]],
                 dsids = samps[["dsids"]])

mod <- evalmod(smmdat)
auc_ci(mod)
#>   modnames curvetypes      mean        error lower_bound upper_bound n
#> 1  good_er        ROC 0.8192000 0.0007839856   0.8184160    0.819984 2
#> 2  good_er        PRC 0.8603505 0.0154645417   0.8448859    0.875815 2

^{Created on 2022-03-06 by the reprex package (v2.0.1)}

回复收藏 0 原文

~没有更多了~