多指标的受试者工作特征曲线 (ROC) 曲线 in R语言

多指标的受试者工作特征曲线 (ROC) 曲线 in R语言

受试者工作特征曲线 (Receiver Operating Characteristic Curve, ROC Curve) 是评估分类模型性能的常用工具。它以真阳性率 (True Positive Rate, TPR) 为纵轴，假阳性率 (False Positive Rate, FPR) 为横轴，绘制出分类器在不同阈值下的性能变化。在R语言中，我们可以使用多种方法绘制多指标的ROC曲线。下面将介绍一种基于pROC包的方法。

首先，我们需要安装和加载pROC包。可以使用以下代码安装pROC包：

install.packages("pROC")

加载pROC包：

library(pROC)

接下来，我们需要准备模型预测结果和真实标签。假设我们有一个二分类模型的预测结果存储在一个名为predicted_scores的向量中，相应的真实标签存储在一个名为true_labels的向量中。确保predicted_scores中的值越大表示越可能属于正类。

# 模型预测结果
predicted_scores <- c(0.2, 0.5, 0.8, 0.3, 0.6)
# 真实标签