多类kNN逐类ROC分析的预测因子类型报错咨询
多类kNN执行ROC分析报错的解决方案
报错核心原因
- 当前传入
multiclass.roc的预测值是kNN输出的无序离散硬分类标签,根本不符合ROC计算的输入要求:ROC是依托连续预测得分随阈值变化规律绘制的曲线,仅接受数值型/有序类型的预测指标,不认可无大小逻辑的离散类别标签作为预测值。 - 训练模型时没有开启caret包的类概率输出开关,无法获取ROC计算必需的连续类预测概率值,自然触发类型不匹配的报错。
分步修正操作
- 调整训练控制参数,开启类概率计算通道
原有的trainControl配置缺少关键参数,必须在训练阶段就启用类概率计算,否则后续无法通过预测接口获取概率值:
classProbs = TRUE是caret模型输出类概率的必备配置,用修正后的ctrl <- trainControl(method = "cv", number = 10, classProbs = TRUE) # 必须添加的关键开关ctrl重新运行模型训练即可,其余训练参数(k值、交叉验证设置、评估指标)保持不变。 - 调整预测逻辑,输出类概率矩阵
原有的预测调用默认返回硬分类标签,需指定输出类型为概率,获取每个测试样本属于6个类别的连续概率值:
这些概率本质是每个测试样本k个最近邻中对应类别的样本占比,是连续的数值型结果,完全满足ROC的计算要求。# 输出为3089行、6列的概率矩阵,列名对应6个活动类别 knnProb_test <- predict(model2, newdata = X_test_new, type = "prob") - 加载依赖后执行多类ROC分析
multiclass.roc是pROC包的内置函数,需先加载对应包,再将真实测试标签和生成的概率矩阵传入计算:
计算完成后可直接读取整体多类AUC值,也可通过library(pROC) # 响应值为真实测试标签,预测值为多列组成的概率矩阵 roc_all <- multiclass.roc(response = Y_test$activity, predictor = knnProb_test)roc_all$rocs调取每个类别vs其余类别的独立ROC对象,单独提取单类AUC、绘制对应ROC曲线,完全匹配单类对比其余类别的分析需求。
避坑提醒
- 不要尝试将无序分类标签强行转为有序因子传入ROC函数,这种操作本质是把无逻辑的类别编号当成连续得分,计算出的AUC完全不具备实际统计意义。
- 若未开启
classProbs = TRUE就直接调用predict(type="prob"),会触发caret的参数不匹配报错,必须重新训练带类概率开关的模型。
内容的提问来源于stack exchange,提问作者Andres Mora
相关产品推荐
相关产品推荐

