使用C5.0模型的ROC曲线

Question

我在应用ROCR库的方法性能时遇到了一些困难。

#EX1
model <- glm(Good.Loan ~ ., data=trainSet, family=binomial(link="logit"))
testSet$predGood.Loan <- predict(model,newdata=testSet)
pred <- prediction(predictions = testSet$predGood.Loan, labels =
testSet$Good.Loan)
perf <- performance(pred, measure = "tpr", x.measure = "fpr")

#EX2
model <- C5.0(CostumerClass ~ ., data = trainSet)
predictedCostumerClass<- predict(model , testSet)
pred <- prediction(predictions = predictedCostumerClass, labels =
testSet$CostumerClass)
perf <- performance(pred, measure = "tpr", x.measure = "fpr")

在Ex1中，我使用一个广义线性模型构建我的模型，然后应用性能方法。没什么大不了的。当我试图用c5.0模型使用相同的东西时，我会得到错误

预测格式无效。

我能找到的最接近的帮助是在这篇文章。

我无法找到性能方法所需的格式，或者我的预测是否需要其他的格式。

Answer 1

默认情况下，C5.0模型将返回predict的类标签(离散值)，而glm模型则返回链接函数的值(连续值)。你需要连续的值来做一个ROC曲线，这样你就可以尝试不同的切点。与其预测类，不如从模型中预测概率。

predictedCostumerClass <- predict(model , testSet, type="prob")