使用ROCR包循环绘制ROC报错：预测值与标签数量不匹配

这个错误的核心原因几乎可以肯定是你在循环中错误地引用了预测值变量——你可能把存储列名的字符串直接转成了数值，而不是从数据框中提取对应列的实际预测值。

举个例子，假设你定义了一个存储预测列名的向量var_names <- c("pred1", "pred2", ..., "pred10")，如果循环里写as.numeric(var_names[i])，这其实是把字符串（比如"pred1"）转成数值，结果要么是NA，要么是长度为1的无效值，自然和s_test$clickthrough的长度不匹配。

修复后的完整循环代码 #

下面是经过验证的可运行示例，假设你的10个模型预测结果都存在s_test数据框中，标签列是clickthrough：

library(ROCR)

# 1. 定义预测结果的列名（根据你的实际列名修改）
var_names <- paste0("pred_model", 1:10)
# 初始化存储AUC的向量
auc_scores <- numeric(length(var_names))
# 准备不同颜色区分曲线
plot_colors <- rainbow(length(var_names))

# 2. 初始化ROC画布
plot(0, 0, type = "n", 
     xlim = c(0, 1), ylim = c(0, 1),
     xlab = "False Positive Rate", ylab = "True Positive Rate",
     main = "ROC Curves for 10 Models")
# 添加对角线参考线
abline(a = 0, b = 1, lty = 2, col = "gray50")

# 3. 循环绘制ROC并计算AUC
for (i in seq_along(var_names)) {
    # ✅ 正确提取对应列的预测值
    pred_values <- as.numeric(s_test[[var_names[i]]])
    
    # 【可选调试步骤】检查长度是否匹配，提前排查问题
    if (length(pred_values) != length(s_test$clickthrough)) {
        stop(paste0("模型", i, "出现长度不匹配：预测值长度", length(pred_values), "，标签长度", length(s_test$clickthrough)))
    }
    
    # 创建ROCR预测对象
    pred_obj <- prediction(pred_values, s_test$clickthrough)
    # 计算ROC性能指标
    perf_obj <- performance(pred_obj, "tpr", "fpr")
    # 添加当前模型的ROC曲线到画布
    plot(perf_obj, col = plot_colors[i], add = TRUE)
    
    # 计算并存储AUC分数
    auc_obj <- performance(pred_obj, "auc")
    auc_scores[i] <- as.numeric(auc_obj@y.values)
}

# 添加图例，显示每个模型的AUC
legend("bottomright", 
       legend = paste("Model", 1:10, " | AUC:", round(auc_scores, 3)),
       col = plot_colors, lty = 1, cex = 0.8)

# 打印所有AUC分数
cat("各模型AUC分数：\n")
print(auc_scores)

额外注意事项 #

• 如果你的预测值不是存在数据框中，而是以列表形式存储（比如pred_list <- list(model1_pred, model2_pred, ...)），那循环里直接用pred_list[[i]]代替s_test[[var_names[i]]]即可。
• 循环前先单独测试一个模型的prediction函数，确保单例运行正常，再批量跑循环，这样更容易定位问题。

内容的提问来源于stack exchange，提问作者lydias