使用R语言tree包绘制决策树ROC曲线：如何获取预测概率？

你遇到的问题是因为predict.tree()函数默认返回的是预测类别（也就是你说的"预测响应"），而不是类别概率。要获取概率，只需要在调用predict()时指定type参数即可。

具体修改步骤： #

• 当你调用predict()时，添加type = "vector"参数，这样就会返回每个样本属于每个类别的概率矩阵：

# 假设你的测试集是dd[-learn, ]，修改predict代码如下
tree.test.prob <- predict(tree.dd, newdata = dd[-learn, ], type = "vector")

• 这个矩阵的列对应你的因变量Status的两个类别（"good"和"bad"），每一行对应一个测试样本的概率值。比如你可以提取"bad"类的概率来绘制ROC曲线：

# 提取"bad"类的概率（列名取决于你的类别顺序，可通过colnames(tree.test.prob)查看）
bad_prob <- tree.test.prob[, "bad"]

用概率绘制ROC曲线的示例（以pROC包为例）： #

如果你还没安装pROC包，先安装：

install.packages("pROC")

然后绘制ROC曲线：

library(pROC)
# 构建ROC对象，response是测试集的真实标签，predictor是预测概率
roc_curve <- roc(response = dd[-learn, ]$Status, predictor = bad_prob)
# 绘制ROC曲线
plot(roc_curve, main = "ROC Curve for Tree Model")

补充说明： #

• predict.tree()的type参数还有其他选项：type = "class"是默认值，返回预测类别；type = "tree"会返回树结构，一般用不到。
• 确保你的因变量Status是因子类型（tree包处理分类问题时要求因变量为因子），如果不是的话，可以先转换：

dd$Status <- as.factor(dd$Status)

内容的提问来源于stack exchange，提问作者ecab