如何解决根据两条ROC曲线进行样本量计算,案例与对照的比率不同于样本数据
我正在尝试比较两个AUC值,以便在public void onBackPressed()
{
finishAffinity();
System.exit(0);
}
包中计算样本量。程序包采用输入roc1和roc2,并根据这些曲线确定案例和控件的数量。我想将这些曲线用作输入,并计算达到一定水平的功效所需的样本数量;但是,我想使用与我提供的数据不同的案例与控件比率。除非我误解了如何使用此功能,否则pROC :: power.roc.test中的kappa参数似乎不起作用。
pROC
所有library(pROC)
# Using iris dataset in R
# Just changing the `virginica` to `setosa` to have only two levels.
iris[which(iris$Species == 'virginica'),]$Species <- "setosa"
iris$Species <- factor(iris$Species,levels = c("setosa","versicolor"))
roc1 <- roc(Species ~ Sepal.Length,data = iris)
roc2 <- roc(Species ~ Sepal.Width,data = iris)
power.roc.test(roc1,roc2,power =0.9)
power.roc.test(roc1,power = 0.9,kappa = 1.7)
power.roc.test(roc1,kappa = banana)
调用都产生相同数量的案例和控件。
我使用的包裹有误吗?我对ROC曲线样本量估计背后的统计信息理解不正确吗?
我看了看源代码,似乎只是根据给定的情况和控件重新计算了kappa。我尝试通过该函数携带kappa,但是我承认我不是最擅长使用类方法。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。