预测三分类变量模型的ROC介绍

我们对Logistics回归很熟悉，预测变量y为二分类变量，然后对预测结果进行评估，会用到2*2 Matrix，计算灵敏度、特异度等及ROC曲线，判断模型预测准确性。

但是如果遇到y为三分类变量，那么会得到3*3 Matrix 那该选用什么指标进行评估呢？

答案：macro-average and micro-average

接下来，我们将介绍如何建立模型预测三分类变量，及对模型准确性进行评估。

1.模型构建

我们根据 iris数据集中的 Species三分类变量，建立多元回归模型，根据花的特征预测Species种类，其中我们添加xv新变量；
首先我们对 iris数据集进行拆分成 Training与Testing两个数据集，Training用于模型构建。

# https://stackoverflow.com/questions/59205776/random-forest-svm-and-multinomial-logistic-regression-with-r

library(tidyverse)
library(randomForest)
set.seed(123)
head(iris)
df=