小伙伴们，大家好呀，很高兴和大家见面，小云最近在写作时遇到了不会分析ROC曲线图，小云很是困扰，为此特地去学习了ROC曲线图，今天小云就把自己学到的与各位小伙伴分享就下，让给大家不在不再为ROC图谱解读而困扰。以下是小云自己在做分析时的五个基因在两个不同数据集中的ROC曲线结果图：

在进行ROC曲线解读前，首先我们了解下它是什么？它可以做什么？

ROC曲线的全称为Receiver Operating Characteristic Curve，中文翻译过来为受试者工作特征曲线，由于可以反映模型在选取相同阈值或不同阈值时候的模型敏感性和准确性的走向，也将该曲线称为感受性曲线（sensitivity curve）。

接下来我们来看图，横坐标1-Specificity（FPR）是特异性，即假阳性率（False Positive Rate, FPR）；纵坐标Sentivity(TPR) 是敏感性，即真阳性率（True Positive Rate, TPR），也可以将ROC曲线理解成反映敏感性与特异性之间关系的曲线；AUC（Area under roc Curve）是指ROC曲线下的面积，为了量化模型好坏或预测模型准确性。

图中不同颜色的线代表不同的模型，形成的曲线即为不同模型的受试曲线。理论上来说如果AUC值越接近于1，说明曲线下方面积越大，表明预测模型的准确率越高，反之则说明预测模型的准确率较低。如果曲线越接近左上角，即横坐标越小，纵坐标越大，表明预测预测模型的准确率越高。

到这里呢，小云今天的分享就结束了，希望各位小伙伴们都有所收获，快去动手去实践起来吧。