2020-07-08 计算AUC值时注意

library(pROC)

auc(response=as.numeric(fold_test[,61]),predictor=fold_predict,levels = c(0, 1), direction = "<")

或pROC::roc(predictor = score2,response = class,

levels = c(0,1),

direction='<')

很多时候，我们进行ROC分析时，默认都是去计算class=1那组，也就是阳性组的AUC，而class=0，被我们默认当成了阴性组，也就是参考组。在ROCit包中就是这样的，但是在大名鼎鼎的pROC包中，ROC分析的依据却是中位数的大小。这一点千万要注意。

如果你用pROC包做ROC分析，那么接下来的AUC和cutoff value都是要注意的，如果你不事先设置参考，得到的结果可能就搞不清楚是阴性组的AUC还是阳性组的AUC，仅仅是中位数高的那组的AUC，而你默认都是当成阳性组的AUC。

千万要注意这一点！

告诉R去ROC谁

在pROC::roc()函数中，有2个参数是需要我们设置的levels和direction，levels表示结局变量中的数值水平，direction的值是大于号>或小于号<，表示levels的第1个数值和第2个数值的大小关系。

现在我们给levels赋值0和1，direction赋值小于号<，表示0组的中位数小于1组的中位数，让pROC始终ROC1组，AUC1组。

pROC::roc(predictor = score2,response = class,

levels = c(0,1),

direction='<')