受试者工作特征曲线(ROC曲线),最初作为一种分析方法在二战时用于评价雷达性能(鉴别敌方,友方以及噪音),目前广泛应用于医学诊断、生物信息学、数据挖掘和机器学习等研究中。
ROC曲线可用于评价生物标记物(biomarker)的表现以及比较不同打分方法(scoring methods)。因此,ROC曲线是非常重要和常见的统计分析方法,下面我们就用两种方法绘制ROC曲线图吧~
part 1:pROC绘制ROC曲线
1.下载pROC包和ggplot2包
BiocManager::install("pROC")
BiocManager::install("ggplot2")
2.调用pROC包,调用ggplot2包以利用ggroc函数
library(pROC)
library(ggplot2)
3.建立曲线
data(aSAH)
rocobj1<-roc(aSAH$outcome,aSAH$s100b)
rocobj2<-roc(aSAH$outcome,aSAH$wfns)
rocobj3<-roc(aSAH$outcome,aSAH$ndka)
4.计算full AUC
auc(rocobj1)
auc(rocobj2)
auc(rocobj3)
5.绘制曲线
plot(rocobj1)


本文介绍了在R语言中使用pROC和ROCR包绘制ROC曲线的两种方法,包括下载包、计算AUC及曲线美化等步骤。适用于医学诊断、生物信息学等领域,帮助评估生物标记物和统计分析。
最低0.47元/天 解锁文章
1068

被折叠的 条评论
为什么被折叠?



