在R语言中构建生成ROC曲线的函数遇到问题

错误原因解析 #

1. 第一次错误：xgb.DMatrix does not support construction from list
   xgboost的predict函数无法直接接收data.frame作为输入特征。虽然你传入的是data.frame，但R中data.frame本质是列向量组成的列表，xgboost内部尝试将其转换为xgb.DMatrix时会触发该错误，必须显式将特征转换为矩阵或xgb.DMatrix对象。

2. 第二次错误：unique() applies only to vectors
pROC::roc()函数的第一个参数要求是真实标签的向量，但你传入了xgb.DMatrix对象，导致函数内部调用unique()时无法处理非向量输入，进而报错。

修正后的函数代码 #

library(pROC)
library(xgboost)

evaluate_model_plot = function(model, data) {
  # 提取真实标签并转换为数值向量
  true_labels = as.numeric(as.character(data[, 1]))
  
  # 将特征转换为xgboost支持的格式
  test_features = xgb.DMatrix(data = data.matrix(data[, -1]))
  
  # 获取模型预测概率
  pred_probs = predict(model, newdata = test_features)
  
  # 计算ROC并绘图
  roc_obj = roc(true_labels, pred_probs)
  plot(roc_obj, main = '测试集ROC曲线')
  
  # 可选：返回ROC对象，方便后续分析
  return(roc_obj)
}

关键细节说明 #

• 标签转换：你的CR列是因子类型（levels为"0"和"1"），用as.numeric(as.character())可直接得到0/1的数值标签，避免因子转numeric时默认返回levels索引（1对应"0"，2对应"1"）的问题。
• 特征格式：使用xgb.DMatrix处理特征是xgboost的标准做法，也可以直接传入data.matrix(data[, -1])矩阵格式，效果一致。
• 预测概率：xgboost二分类模型默认输出正类（"1"）的概率，与我们转换后的标签匹配，无需额外调整。

测试验证 #

用你提供的样本数据测试：

# 假设myxgb是训练好的xgboost模型
evaluate_model_plot(myxgb, mydata[[2]])

内容的提问来源于stack exchange，提问作者Programming Noob