如何在pROC中构建多因素模型？解决向量长度不匹配报错

我有一个包含响应变量y及若干预测变量（如X1、X2）的数据表，可通过pROC构建两个单因素模型：

roc1 <- roc(data$y, data$X1)
roc2 <- roc(data$y, data$X2)

但尝试计算双因素模型的ROC AUC时：

t1 = data$X1
t2 = data$X2
t12 = cbind(t1, t2)
roc12 <- roc(data$y, t12)

出现报错信息：

Response and predictor must be vectors of the same length.

请问是否有方法在pROC中构建多因素模型？

pROC包的roc()函数仅接受单向量形式的预测值，无法直接传入多列矩阵作为预测变量。要构建多因素模型的ROC曲线，需先通过统计模型生成综合预测值，再将该单向量预测值传入roc()函数，具体步骤如下：

• 拟合多因素模型并生成预测概率
  以逻辑回归（最常用的多因素分类模型）为例，先拟合包含多个预测变量的模型，得到每个样本属于阳性类别的预测概率：

  # 拟合逻辑回归模型
  multi_model <- glm(y ~ X1 + X2, data = data, family = binomial)
  # 生成阳性类别预测概率
  pred_probs <- predict(multi_model, type = "response")
  

• 计算多因素模型的ROC AUC
  将生成的预测概率向量传入roc()函数，即可得到对应的ROC曲线及AUC值：

  roc_multi <- roc(data$y, pred_probs)
  # 查看AUC数值
  auc(roc_multi)
  # 绘制ROC曲线
  plot(roc_multi)
  

• 其他可选模型
  除逻辑回归外，随机森林、SVM等分类模型也可生成符合要求的单向量预测值。以随机森林为例：

  library(randomForest)
  rf_model <- randomForest(as.factor(y) ~ X1 + X2, data = data, ntree = 500)
  # 提取阳性类别的预测概率
  rf_preds <- predict(rf_model, type = "prob")[,2]
  roc_rf <- roc(data$y, rf_preds)
  auc(roc_rf)
  

内容的提问来源于stack exchange，提问作者Vlad