r roc函数_R语言绘制ROC曲线

library(tidyverse)#fordatamanipulationlibrary(pkgsearch)#forsearchingpackages

找与ROC相关的包该包会提供一系列关于感兴趣主题的R包，包括他们的评分，作者，连接等等ps函数等价于pkg_search

size:定义返回结果数量

format="short"返回格式Sys.setlocale('LC_ALL','C')

rocPkg

head(rocPkg)

class(rocPkg)

[1]"C"

-"ROC"-------------------------------------74packagesin0.01seconds-

#packageversion

1100pROC1.15.0

244caTools1.17.1.2

318survivalROC1.0.3

418PRROC1.3.1

515plotROC2.2.1

614precrec0.10.1

by@

XavierRobin2M

ORPHANED4M

ParamitaSaha-Chaudhuri7y

JanGrau1y

MichaelC.Sachs1y

TakayaSaito3M

[1]"pkg_search_result""tbl_df""tbl"

[4]"data.frame"

ROCR包performance函数计算tpr,fprlibrary(ROCR)

data(ROCR.simple)

df

head(df)

##predictionslabels

##10.61254781

##20.36427101

##30.43213610

##40.14029110

##50.38489590

##60.24441551

pred

perf

perf

plot(perf,colorize=TRUE)image.png

plotROC包-ggplot绘制ROC曲线ROC曲线用于评估连续测量的精度，以预测二进制结果。在医学上，ROC曲线用于评价放射学和一般诊断的诊断试验有着悠久的历史。ROC曲线在信号检测理论中也有很长的应用历史。require(plotROC)

提供网页版操作，为了代码的连贯性，这里不介绍网页版，不可能我们分析到一般导出数据，拿到网页版去操作。基本用法set.seed(2529)

D.ex

M1

M2

test

M1=M1,M2=M2,stringsAsFactors=FALSE)

head(test)

##DD.strM1M2

##11Ill1.48117155-2.50636605

##21Ill0.619944781.46861033

##30Healthy0.576133450.07532573

##41Ill0.854331972.41997703

##50Healthy0.052583420.01863718

##61Ill0.667039890.24732453geom_roc绘图d为编码1/0, m为用于预测的值marker

注意需要一个disease code,不一定是1/0，但最后选择编码为1/0

如不1/0，则stat_roc默认按顺序最低值为无病状态basicplot

basicplotimage.png若diseaase编码非1/0:提示warning但仍能继续ggplot(test,aes(d=D.str,m=M1))+geom_roc()image.pngn.cuts参数：展示几个截断点

labelsize: 展示标签的大小

labelround: label值保留几位小数ggplot(test,aes(d=D,m=M1))+geom_roc(n.cuts=5,labelsize=5,labelround=2)修改style-style_roc函数styledplot

styledplotimage.png修改xlab, 主题basicplot+style_roc(theme=theme_grey,xlab="1-Specificity")image.png

multiROC-多因素诊断

meltroc类似于dplyr中的gather。转换数据为长数据，原数据为两列markerhead(test)

##DMname

##M1111.48117155M1

##M1210.61994478M1

##M1300.57613345M1

##M1410.85433197M1

##M1500.05258342M1

##M1610.66703989M1

longtest

head(longtest)

table(longtest$name)

##ROC曲线比较

ggplot(longtest,aes(d=D,m=M,color=name))+

geom_roc()+

style_roc()+

ggsci::scale_color_lancet()image.pngggplot2分面ggplot(longtest,aes(d=D,m=M,color=name))+

geom_roc()+

style_roc()+

facet_wrap(~name)+

ggsci::scale_color_lancet()image.png主题与注释AUC计算并绘制在图中-calc_auc函数

calc_auc(basicplot)$AUC提取basicplot+

style_roc(theme=theme_grey)+##主题修改

theme(axis.text=element_text(colour="blue"))+

ggtitle("Themesandannotations")+##标题

annotate("text",x=.75,y=.25,##注释text的位置

label=paste("AUC=",round(calc_auc(basicplot)$AUC,2)))+

scale_x_continuous("1-Specificity",breaks=seq(0,1,by=.1))##x刻度

##Scalefor'x'isalreadypresent.Addinganotherscalefor'x',whiimage.png对multi_ROC注释，实现多个AUC值的呈现，实际上仍然是ggplot2语法中的annotate注释p

geom_roc(n.cuts=0)+

style_roc()+

ggsci::scale_color_lancet()

auc

head(auc)

##PANELgroupAUC

##1110.833985

##2120.679599

p+annotate("text",x=.75,y=.25,##注释text的位置

label=paste("AUCofM1=",round(calc_auc(p)$AUC[1],2)))+

annotate("text",x=.75,y=.15,##注释text的位置)

label=paste("AUCofM2=",round(calc_auc(p)$AUC[2],2)))

其它计算ROC曲线的算法融入默认的calculate_roc 计算的是 empirical ROC曲线

只要有cutoff, TPF,FPF即可计算，将这些结果以数据框的形式传入到 ggroc 函数

代替默认的统计方法为identityrequire(plotROC)

require(ggplot2)

set.seed(2529)

D.ex

M1

M2

test

M1=M1,M2=M2,stringsAsFactors=FALSE)

head(test)

##DD.strM1M2

##11Ill1.48117155-2.50636605

##21Ill0.619944781.46861033

##30Healthy0.576133450.07532573

##41Ill0.854331972.41997703

##50Healthy0.052583420.01863718

##61Ill0.667039890.24732453

D.ex

M.ex

mu1

mu0

s1

s0

c.ex

##构造数据框传入数据

binorm.roc

FPF=pnorm((mu0-c.ex)/s0),

TPF=pnorm((mu1-c.ex)/s1)

)

head(binorm.roc)

binorm.plot

geom_roc(stat="identity")+style_roc(theme=theme_grey)

binorm.plotimage.png

时间依赖的ROC曲线配合survival ROC包

配合lapply函数实现批量绘图

lappy的结果返回为list，刚好输入do.callrequire(ggplot2)

require(plotROC)

library(survivalROC)

survT

cens

M

###时间2,5,10

sroc

stroc

predict.time=t,method="NNE",##KM法或NNE法

span=.25*350^(-.2))

data.frame(TPF=stroc[["TP"]],FPF=stroc[["FP"]],

c=stroc[["cut.values"]],

time=rep(stroc[["predict.time"]],length(stroc[["FP"]])))

})

##整合到数据框中

sroclong

class(sroclong)

##[1]"data.frame"

head(sroclong)

##TPFFPFctime

##111.0000000-Inf2

##210.9970286-96.210912

##310.9940573-89.133152

##410.9910859-80.534022

##510.9881145-70.531042

##610.9851431-67.813922

sroclong$time

##绘制ROC

pROC

geom_roc(labels=FALSE,stat="identity")+

style_roc()+

ggsci::scale_color_jco()

pROCimage.png添加注释pROC+annotate("text",x=.75,y=.25,##注释text的位置

label=paste("AUCof1years=",round(calc_auc(pROC)$AUC[1],2)))+

annotate("text",x=.75,y=.15,##注释text的位置)

label=paste("AUCof3years=",round(calc_auc(pROC)$AUC[2],2)))+

annotate("text",x=.75,y=.05,##注释text的位置)

label=paste("AUCof5years=",round(calc_auc(pROC)$AUC[3],2)))image.png

如果觉得《r roc函数_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！