如何找到pROC中分层bootstrap的每个boostrap中选取的样本数？

Question

问题是关于 pROC 包的 roc 函数。 包链接：https://www.rdocumentation.org/packages/pROC/versions/1.18.5/topics/roc。论文链接https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3068975/.

我正在 ROC 图上绘制置信区间：

pROC::roc(as.factor(df$classes),
                   df$score ,
                   plot=TRUE,
                   ci = TRUE,
                   ci.method= 'bootstrap',
                   auc.polygon=TRUE,
                   max.auc.polygon=TRUE,
                   print.auc=TRUE)

我从文档中了解到，当使用 ci.method 作为“引导”时，会发生分层引导。如何找到引导时使用的子采样百分比？ 是总数据的80%、70%还是其他？可以指定吗？

论文引用，“Bootstrap 默认情况下是分层的；在这种情况下，在每个 Bootstrap 重复中将选择与原始样本相同数量的病例和对照观察值。”。我认为它们意味着每个重复中病例和对照观察的比例相同。然而，任何地方都没有提到进行二次采样的百分比。

如果我的理解有误请指正。

Answer 1

引导根据定义是通过替换对整个数据进行重新采样。

roc

函数最终会调用

stratified.ci.auc

，如下所示：

pROC:::stratified.ci.auc

---

function (n, roc) 
{
    controls <- sample(roc$controls, replace = TRUE)
    cases <- sample(roc$cases, replace = TRUE)
    thresholds <- roc_utils_thresholds(c(cases, controls), roc$direction)
    perfs <- roc$fun.sesp(thresholds = thresholds, controls = controls, 
        cases = cases, direction = roc$direction)
    roc$sensitivities <- perfs$se
    roc$specificities <- perfs$sp
    auc.roc(roc, partial.auc = attr(roc$auc, "partial.auc"), 
        partial.auc.focus = attr(roc$auc, "partial.auc.focus"), 
        partial.auc.correct = attr(roc$auc, "partial.auc.correct"), 
        allow.invalid.partial.auc.correct = TRUE)
}

前两行告诉您，分层样本使用 100% 的案例和对照，因为没有给出

size

参数。