R语言画ROC曲线总结

在本文中，我描述了如何在CRAN中搜索用于绘制ROC曲线的包，并重点介绍了六个有用的包。

由Kaizong Ye，Coin Ge撰写

我使用pkgsearch来搜索CRAN并查看其中的内容。该package_search()函数将文本字符串作为输入，并使用基本的文本挖掘技术来搜索所有CRAN。

可下载资源

经过一番尝试和错误之后，我确定了以下查询，其中包括许多与ROC相关的有趣软件包。

1 2	rocPkg <- pkg_search(query="ROC",size=200)

分类模型(又称分类器，或诊断)将实例映射到特定类。ROC分析的是二元分类模型，也就是输出结果只有两种类别的模型，例如：(阳性/阴性) (有病/没病) (垃圾邮件/非垃圾邮件) (敌军/非敌军)。

当讯号侦测(或变量测量)的结果是连续值时，类与类的边界必须用阈值来界定。举例来说，用血压值来检测一个人是否有高血压，测出的血压值是连续的实数（从0~200都有可能），以收缩压140／舒张压90为阈值，阈值以上便诊断为有高血压，阈值未满者诊断为无高血压。二元分类模型的个案预测有四种结局：

真阳性(TP)：诊断为有，实际上也有高血压。
伪阳性（FP）：诊断为有，实际却没有高血压。
真阴性（TN）：诊断为没有，实际上也没有高血压。
伪阴性（FN）：诊断为没有，实际却有高血压。

rocPkgShort <- rocPkg %>%

filter(maintainer_name != "ORPHANED", score > 190) %>%

select(score, package, downloads_last_month) %>%

arrange(desc(downloads_last_month))

head(rocPkgShort)

## # A tibble: 6 x 3

## score package downloads_last_month

## <dbl> <chr> <int>

## 1 690. ROCR 56356

## 2 7938. pROC 39584

## 3 1328. PRROC 9058

## 4 833. sROC 4236

## 5 266. hmeasure 1946

## 6 1021. plotROC 1672

下图使用了Guangchuang Yu的dlstats软件包，查看我选择分析的六个软件包的下载历史记录。

热门课程

R语言数据分析挖掘必知必会

面对扑面而来的数据浪潮,包含Google、Facebook等国际企业,都已采用R语言进行数据分析

探索课程 ➜

下图使用了Guangchuang Yu的dlstats软件包，查看我选择分析的六个软件包的下载历史记录。

library(dlstats)

shortList <- c("pROC","precrec","ROCit", "PRROC","ROCR","plotROC")

downloads <- cran_stats(shortList)

ggplot(downloads, aes(end, downloads, group=package, color=package)) +

geom_line() + geom_point(aes(shape=package)) +

scale_y_continuous(trans = 'log2')

2005年

以下代码ROCR使用包随附的综合数据集设置并绘制默认的ROC曲线。在整个文章中，我将使用相同的数据集。

library(ROCR)

## Loading required package: gplots

## Attaching package: 'gplots'

## The following object is masked from 'package:stats':

## lowess

# 为单个预测绘制ROC曲线，并对曲线进行着色。

data(ROCR.simple)

df <- data.frame(ROCR.simple)

pred <- prediction(df$predictions, df$labels)

perf <- performance(pred,"tpr","fpr")

plot(perf,colorize=TRUE)

最受欢迎的见解

1.R语言绘制生存曲线估计|生存分析|如何R作生存曲线图

2.R语言生存分析可视化分析

3.R语言如何在生存分析与Cox回归中计算IDI，NRI指标

4.r语言中使用Bioconductor 分析芯片数据

5.R语言生存分析数据分析可视化案例

6.r语言ggplot2误差棒图快速指南

7.R 语言绘制功能富集泡泡图

8.R语言如何找到患者数据中具有差异的指标？（PLS—DA分析）

9.R语言中的生存分析Survival analysis晚期肺癌患者4例

2010

pROC在图中绘制曲线下面积（AUC）的置信区间非常容易。

2014年

roc.curve()函数会绘制出干净整齐的ROC曲线。

2014年

该软件包提供了许多功能丰富的ggplot()几何图形。

2015年

precrec 是另一个用于绘制ROC的库。

evalmod()函数可以很容易地生成各种模型特征的基本图。

2019

ROCit是一个用于绘制ROC曲线和其他二进制分类可视化效果的新程序包，并且正在迅速普及。

下图显示了CDF累积密度。KS统计数据显示两条曲线之间的最大距离。

1 2	ksplot(ROCit_obj)

可下载资源

关于作者

Kaizong Ye是拓端研究室（TRL）的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

非常感谢您阅读本文，如需帮助请联系我们！

2005年

2010

2014年

2014年

2015年

2019

相关文章