使用R语言绘制模型的ROC曲线

使用R语言绘制模型的ROC曲线

ROC曲线是评估分类模型性能的常用工具，它能够展示分类器在不同阈值下的真阳性率（True Positive Rate，TPR）和假阳性率（False Positive Rate，FPR）之间的关系。在R语言中，我们可以使用autoplot函数来方便地绘制ROC曲线。下面我将为您展示如何使用R语言绘制模型的ROC曲线。

首先，我们需要准备一个分类模型来进行演示。在这里，我将使用R中的内置数据集iris，并构建一个简单的逻辑回归模型来进行分类。

# 加载所需的库
library(ggplot2)
library(dplyr)
library(ROCR)

# 载入iris数据集
data(iris)

# 将Species转换为二分类变量
iris$Species <- ifelse(iris$Species == "setosa", "setosa", "other")

# 随机划分训练集和测试集
set.seed(123)
train_idx <- sample(1:nrow(iris), 0.7*nrow(iris))
train_data <- iris[train_idx, ]
test_data <- iris[-train_idx, ]

# 构建逻辑回归模型
model <- glm(Species ~ ., data = train_data, family = "binomial")

# 使用模型进行预测
probabilities <- predict(model, newdata = test_data, type