#安装pROC包
BiocManager::install("pROC")
#加载pROC包
library(pROC)
#使用的示例数据
data(aSAH)
下面是我们使用的数据,outcome是我们要预测的结果,分为good和poor,一个典型的二分类问题。gender,age,wfns,s100b和ndka是我们可以使用的特征变量。
接下来我们就可以构建并绘制ROC曲线了,如果对roc这个函数不太了解,可以通过在R的控制台输入?roc,来查看R的帮助手册。
通过函数的介绍,我们可以看到,使用roc这个函数有两种方法。
一种是通过formula,也就是通过一个公式来将response(预测的结果)和predictor(特征变量)连接起来。第二种方法是将response和predictor分开来写。接下来我们分别来看下这两种方法的使用。
方法一、使用formula
#生成ROC曲线,注意公式的写法,一定是response在前,predictor在后
p1=roc(outcome ~ s100b, aSAH)
#绘制ROC曲线,col控制roc曲线的颜色
plot(p1,col="red")
我们可以得到下图的ROC曲线
#生成ROC曲线,也是response在前,predictor在后
p2=roc(aSAH$outcome, aSAH$s100b)
#绘制ROC曲线
plot(p2,col="red")
p1$auc
#Area under the curve: 0.7314
为了方便大家交流学习,共同进步,我特地创建了微信交流群
联系客服