用R語言繪制ROC曲線的實(shí)例講解

更新時(shí)間：2021年04月06日 10:25:33 作者：coding-day

這篇文章主要介紹了用R語言繪制ROC曲線的實(shí)例講解，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧

1 roc曲線的意義

ROC曲線就是用來判斷診斷的正確性，最理想的就是曲線下的面積為1，比較理想的狀態(tài)就是曲線下的面積在0.8-0.9之間，0.5的話對實(shí)驗(yàn)結(jié)果沒有什么影響。

如圖：

2代碼部分

install.packages(“pROC”)
install.packages(“ggplot2”)
library(pROC)
library(ggplot2)
#建立曲線
data(aSAH)
rocobj1<-roc(aSAHo u t c o m e , a S A H outcome,aSAHoutcome,aSAHs100b)
rocobj2<-roc(aSAHo u t c o m e , a S A H outcome,aSAHoutcome,aSAHwfns)
rocobj3<-roc(aSAHo u t c o m e , a S A H outcome,aSAHoutcome,aSAHndka)
#計(jì)算full AUC
auc(rocobj1)
auc(rocobj2)
auc(rocobj3)
#繪制曲線
plot(rocobj1)
#其他參數(shù)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)
#計(jì)算partial AUC選擇關(guān)注一定范圍數(shù)據(jù)
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)
#比較兩個(gè)曲線，pROC提供三種方法比較“delong”, “bootstrap”或“venkatraman”
roc.test(rocobj1,rocobj2,method = “bootstrap”)
#ggroc(功能仍在測試中)繪制Multiple curves
g3<-ggroc(list(s100b=rocobj,wfns=rocobj2,ndka=rocobj3))
g3
install.packages(“pROC”)
library(“pROC”)##roc
data(aSAH)
roc1<-roc(myDatal a b e l , m y D a t a label,myDatalabel,myDatascore)
roc2<-roc(myData2l a b e l , m y D a t a 2 label,myData2label,myData2score)
polt(roc1,col=“blue”)
polt.roc(roc2,add=TRUE,col=“red”)

3 實(shí)驗(yàn)結(jié)果

補(bǔ)充：R語言proc包繪制多重ROC曲線（信用評分應(yīng)用，已有l(wèi)abel和相應(yīng)score）

數(shù)據(jù)：好壞標(biāo)簽label、用四種model簡單計(jì)算出的每一個(gè)樣本的score，標(biāo)記為pre1至pre4，約1w樣本

目的：使用proc包繪制ROC曲線，并生成AUC值

1.讀入數(shù)據(jù)

data<-read.csv(file="D:/個(gè)人消費(fèi)信用/第三次上機(jī)/工作簿2.csv",header=T)

header=T 即在讀取中，將原有數(shù)據(jù)的第一行設(shè)置為變量名。

注意文件的分隔為 “ / ”，與默認(rèn)不同。

2.畫出最基本的ROC曲線

library(pROC) #加載pROC包
roc1<-roc(data$label,data$pre1)
plot(roc1,print.auc=TRUE,plot=TRUE,
print.thres=TRUE)

包含AUC的值和最優(yōu)臨界點(diǎn)，下面把它美化一下~

（問題：為啥橫坐標(biāo)Specificity的范圍是1.5到-0.5，查了一下沒有找到原因，可能是因?yàn)樵瓟?shù)據(jù)本身的問題，以前以違約概率而非score的時(shí)候沒有出現(xiàn)這個(gè)問題，擇日探究……TvT)

3.美化ROC曲線

plot(roc2,print.auc=TRUE,print.auc.x=0.4,print.auc.y=0.4,auc.polygon=TRUE,auc.polygon.col="gray",
smooth=TRUE,
grid=c(0.5, 0.2),
grid.col=c("black", "black"), 
max.auc.polygon=TRUE,
print.thres=TRUE,print.thres.cex=0.8,
lty=1,main=" ROC曲線",mfrow=c(1,1))

解釋在括號(hào)里面疊加命令的代碼：

print.auc.x=0.4,print.auc.y=0.4 #設(shè)置AUC值顯示出來的坐標(biāo)
auc.polygon=TRUE,auc.polygon.col="gray" #設(shè)置ROC曲線下填充色，此處設(shè)定為灰色
smooth=TRUE #使ROC曲線變得光滑
max.auc.polygon=TRUE #整個(gè)圖像填充
print.thres.cex=0.8 #設(shè)置最優(yōu)臨界點(diǎn)字體的大小
lty=1,main=" ROC曲線",mfrow=c(1,1) #設(shè)置標(biāo)題啥的 mfrow貌似是圖形參數(shù)，待查……

4.合并ROC曲線

由于共有4個(gè)model，所以要想比較模型的優(yōu)劣，可以將四個(gè)ROC曲線畫到一起。

roc1<- roc(data$label,data$pre1)
roc2<- roc(data$label,data$pre2)
roc3<- roc(data$label,data$pre3)
roc4<- roc(data$label,data$pre4)
plot(roc1, print.auc=TRUE,print.auc.x=0.4,print.auc.y=0.4, auc.polygon=TRUE,auc.polygon.col="gray", grid=c(0.5, 0.2),smooth=T,grid.col=c("black", "black"), max.auc.polygon=TRUE)
plot.roc(roc2,add=T,col="red", print.auc=TRUE,print.auc.x=0.3,print.auc.y=0.3)
plot.roc(roc3,add=T,col="blue",print.auc=TRUE,print.auc.x=0.5,print.auc.y=0.5)
plot.roc(roc4,add=T,col="yellow",print.auc=TRUE,print.auc.x=0.6,print.auc.y=0.6)

由于此處要顯示AUC值，且不要重合~所以在后面加上了print.auc=TRUE,print.auc.x=0.6,print.auc.y=0.6的命令。

如果不重合的話，直接在roc1下面加上下列代碼即可：