如何高效为分组数据计算AUC、最佳阈值、敏感度与特异度并批量处理预测变量

核心需求 #

按指定分组变量（如am），对多个预测变量（如mpg、cyl），针对真实标签（如vs）批量计算AUC、最佳阈值、敏感度、特异度，替代繁琐的手动重复调用逻辑。

优化方案代码 #

首先加载依赖包：

library(tidyverse)
library(pROC)

1. 封装ROC指标计算函数

将重复的ROC计算逻辑封装成函数，避免冗余代码：

calc_roc_metrics <- function(data, response_col, predictor_col) {
  # 创建ROC对象
  roc_obj <- roc(data[[response_col]], data[[predictor_col]])
  # 提取AUC值
  auc_val <- as.numeric(auc(roc_obj))
  # 获取最佳阈值及对应指标
  best_coords <- coords(roc_obj, "best", transpose = TRUE)
  
  # 返回结构化结果
  tibble(
    auc = auc_val,
    threshold = best_coords$threshold,
    specificity = best_coords$specificity,
    sensitivity = best_coords$sensitivity
  )
}

2. 批量处理多预测变量（推荐方法，符合tidy数据原则）

通过pivot_longer将宽表转为长表，统一处理所有预测变量：

mtcars %>%
  # 将多个预测变量转为长格式，每个预测变量对应一行
  pivot_longer(cols = c(mpg, cyl), names_to = "predictor", values_to = "value") %>%
  # 按分组变量和预测变量分组
  group_by(am, predictor) %>%
  # 对每个分组应用指标计算函数
  group_modify(~ calc_roc_metrics(.x, response_col = "vs", predictor_col = "value")) %>%
  ungroup()

3. 可选：用map批量迭代预测变量

如果偏好不转换表结构，可直接用map_dfr迭代预测变量列表：

# 定义需要处理的预测变量列表
predictors <- c("mpg", "cyl")

# 迭代每个预测变量，绑定结果
map_dfr(predictors, function(pred_var) {
  mtcars %>%
    group_by(am) %>%
    group_modify(~ calc_roc_metrics(.x, "vs", pred_var)) %>%
    mutate(predictor = pred_var) %>%
    ungroup()
})

结果示例 #

两种方法都会输出类似如下的整洁表格：

# A tibble: 4 × 6
     am predictor   auc threshold specificity sensitivity
  <dbl> <chr>     <dbl>     <dbl>       <dbl>       <dbl>
1     0 mpg       0.946      17.6       0.833           1
2     0 cyl       0.946       6          0.833           1
3     1 mpg       0.952      21.2       0.833           1
4     1 cyl       0.952       4          0.833           1

方案优势 #

• 高效性：每个分组-预测变量组合仅计算一次ROC对象，避免重复计算。
• 扩展性：新增预测变量只需修改pivot_longer的cols参数或predictors列表，无需重复编写调用逻辑。
• 整洁性：结果包含预测变量名称，便于后续分析和可视化。

内容的提问来源于stack exchange，提问作者Brian D