ROC曲线绘制及最佳阈值计算 - R语言实现

ROC曲线绘制及最佳阈值计算 - R语言实现

在机器学习中，评估模型的性能是十分重要的一环。而常用的评估指标之一就是ROC曲线（Receiver Operating Characteristic Curve）。ROC曲线能够帮助我们对二分类模型进行性能评估，并且通过选择最佳阈值，进一步优化模型的表现。本文将介绍如何使用R语言绘制ROC曲线并计算最佳阈值。

首先，我们需要准备一些数据来演示。假设我们有一个二分类模型预测人们是否患有某种疾病，我们已经得到了一组测试数据以及相应的预测概率值。我们将使用这些数据来绘制ROC曲线并计算最佳阈值。以下是模拟数据的示例：

# 模拟数据
actual_labels <- c(1, 0, 1, 0, 1, 1, 0, 1, 0, 1)
predicted_probs <- c(0.75, 0.65, 0.90, 0.40, 0.60, 0.85, 0.30, 0.70, 0.50, 0.80)

接下来，我们使用pROC包来计算ROC曲线上的各个点，并绘制出完整的ROC曲线。确保已经安装了pROC包，如果没有安装可以使用以下代码进行安装：

install.packages("pROC")

以下是绘制ROC曲线的代码：<