计算并绘制ROC曲线及AUC值（使用R语言）

计算并绘制ROC曲线及AUC值（使用R语言）

在机器学习中，评估分类模型的性能是非常重要的。一种常用的评估指标是ROC曲线和AUC值。本文将使用R语言来计算和绘制ROC曲线，并计算AUC值。

首先，我们需要加载所需的库和数据。假设我们有一个二分类问题的数据集，其中包含真实类别标签和预测得分。为了演示目的，我们创建一个简单的示例数据集。

# 加载所需库
library(pROC)

# 创建示例数据集
actual_labels <- c(1, 0, 0, 1, 1, 0, 1)
predicted_scores <- c(0.9, 0.3, 0.2, 0.8, 0.6, 0.4, 0.7)

接下来，我们可以使用roc()函数计算ROC曲线的真正率（True Positive Rate）和假正率（False Positive Rate），并使用plot()函数将其绘制出来。

# 计算ROC曲线
roc_obj <- roc(actual_labels, predicted_scores)

# 绘制ROC曲线
plot(roc_obj, main = "ROC曲线", xlab = "假正率", ylab = "真正率")

现在，我们已经得到了ROC曲线的图像。接下来，我们将计算AUC值并将其添加到图像中。

# 计算AUC值
auc_value <-