ROC曲线，即受试者工作特征曲线 （receiver operating characteristic curve），又称为感受性曲线（sensitivity curve）。ROC曲线曲线的绘制方式一般是根据一系列不同的二分类方式，以真阳性率(灵敏度)为纵坐标，假阳性率(1-特异度)为横坐标进行绘制。其中比较重要的几个统计量，如AUC（曲线下面积）用于评价诊断效果，AUC＞0.5时，AUC越接近于1，说明诊断效果越好；AUC在 0.5～0.7时，准确性较低；在0.7～0.9时，有一定准确性；AUC在0.9以上时，准确性较高。

     今天这期推文，小编会结合pROC、multipleROC、reportROC、ROCR、plotROC及ROCit六个R包给大家展示如何进行ROC曲线的绘制相关指数的获取！

基于pROC包进行绘制

1、加载包

2、数据——以包里面的示例数据为例

3、构建ROC对象并进行可视化

4、计算AUC值

5、绘制多条ROC曲线

基于multipleROC包绘制

1、加载R包

2、数据——以上面的数据为例

3、绘图

4、AUC、截断点、最佳截断值的提取

5、绘制多条ROC曲线

  或者：

6、分面显示

基于reportROC包进行绘制

      这个R包唯一的好处就是可以一行代码输出ROC曲线的各项统计数值及ROC曲线，包括截断值、AUC及置信区间、灵敏度及置信区间、特异度及置信区间、阳性似然比、阴性似然比、阴性预测值等统计值：

1、加载R包

2、数据——以aSAH示例数据为例

3、ROC可视化及各项统计值展示

4、保存

基于ROCR包进行绘制

1、加载R包

2、数据——以aSAH示例数据为例

3、构建prediction对象并展示AUC值

4、获取ROC数据并进行可视化

基于plotROC包进行绘制

1、加载R包

2、数据——以aSAH示例数据为例

3、基于ggplot2绘图

4、计算曲线下面积

基于ROCit包进行绘制

1、加载R包

2、数据——以aSAH示例数据为例

3、构建ROC对象

4、计算AUC和95％置信区间

5、绘制ROC曲线

参考：

1）https://blog.csdn.net/dege857/article/details/121138734

 2）https://www.jianshu.com/p/6e89b25fca1b

 3）https://cran.r-project.org/web/packages/reportROC/reportROC.pdf

4）https://cloud.tencent.com/developer/article/1632723

 5）https://cloud.tencent.com/developer/article/1965938

6）https://zhuanlan.zhihu.com/p/607695181

绘图源码可在微信公众号后台回复"ROC"获取！！！

本文使用 文章同步助手 同步