1、roc曲线的意义
ROC曲线就是用来判断诊断的正确性，最理想的就是曲线下的面积为1，比较理想的状态就是曲线下的面积在0.8-0.9之间，0.5的话对实验结果没有什么影响。
如图：
2、代码部分
install.packages("pROC")install.packages("ggplot2")library(pROC)library(ggplot2)#建立曲线data(aSAH)rocobj1<-roc(aSAH$outcome,aSAH$s100b)rocobj2<-roc(aSAH$outcome,aSAH$wfns)rocobj3<-roc(aSAH$outcome,aSAH$ndka)#计算full AUCauc(rocobj1)auc(rocobj2)auc(rocobj3)#绘制曲线plot(rocobj1)#其他参数美化plot(rocobj1,print.auc=TRUE,auc.polygon=TRUE,grid=c(0.1,0.2),grid.col=c("green","red"),max.auc.polygon=TRUE,auc.polygon.col="skyblue",print.thres=TRUE)#计算partial AUC选择关注一定范围数据plot(rocobj1,print.auc=TRUE,auc.polygon=TRUE,partial.auc=c(0.8,0.4),partial.auc.focus="sp",grid=c(0.1,0.2),grid.col=c("green","red"),max.auc.polygon=TRUE,auc.polygon.col="skyblue",print.thres=TRUE,reuse.auc=FALSE)#比较两个曲线，pROC提供三种方法比较“delong”, “bootstrap”或“venkatraman”roc.test(rocobj1,rocobj2,method = "bootstrap")#ggroc(功能仍在测试中)绘制Multiple curvesg3<-ggroc(list(s100b=rocobj,wfns=rocobj2,ndka=rocobj3))g3install.packages("pROC")library("pROC")##rocdata(aSAH)roc1<-roc(myData$label,myData$score)roc2<-roc(myData2$label,myData2$score)polt(roc1,col="blue")polt.roc(roc2,add=TRUE,col="red")
3、实验结果
如果觉得《用R语言绘制ROC曲线》对你有帮助，请点赞、收藏，并留下你的观点哦！
