超详细的ROC曲线绘制教程

ROC曲线是临床中常用的统计分析之一,R中可以绘制ROC曲线的包也有很多,pROC包就是其中的佼佼者。

pROC包可以计算AUC和95%置信区间,可以可视化、平滑和比较ROC曲线。下面是pROC包中的常用缩写

缩写 解释
ROC曲线 受试者操作特征曲线
AUC ROC曲线下面积
pAUC 部分ROC曲线下面积
CI 置信区间
SP 特异度specificity
SE

灵敏度sensitivity

1. 加载数据

使用pROC包自带的aSAH数据集来演示。该数据集包括了113例动脉瘤蛛网膜下腔出血患者的临床和实验室资料。

library(pROC) # 加载pROC包
data(aSAH)   # 加载内置数据集
head(aSAH)   # 查看数据集

超详细的ROC曲线绘制教程_第1张图片

 

2. 拟合曲线

在pROC包中,使用roc()来建立ROC对象。默认情况下roc()会输出AUC的值。

roc1 <- roc(aSAH$outcome, aSAH$s100b,
           

你可能感兴趣的:(R语言大学作业,python,开发语言)