使用R进行分类时，ROC的绘制和AUC的计算
在之前的这篇日志中，我简单介绍了使用R进行Logistic Regression时，Recall，Precision，TPR，FPR等等的计算，但是如果依照这种方法绘制ROC曲线（关于ROC和AUC的概念，网上有很多介绍，例如：http://beader.me/2013/12/15/auc-roc/ ）就太过于麻烦了，需要手动调整分类阈值。其实R也提供了最基本的ROC曲线绘制的工具包（Package），结合这篇日志，我也同时介绍一下R Package的安装和学习方法：
在这里：http://www.r-project.org/ 页面左侧点击：
Download, Packages
CRAN
可以看到首先需要选择CRAN的镜像站点，例如我们选择北京交大的：http://mirror.bjtu.edu.cn/cran/ 通过几个链接，可以浏览这个页面：http://mirror.bjtu.edu.cn/cran/web/packages/available_packages_by_name.html，按Package的名称给出了列表，同时还有对Package的简单介绍。我们可以看到这里有关于pROC的介绍：
| pROC | display and analyze ROC curves |
可以下载压缩包的形式进行安装，但是往往这样安装会很麻烦，所以建议通过R的控制台进行安装（可以在上面这个页面中首先查看Package的名称和作用）：
在RGui中选择“程序包”——“安装程序包”——选择需要安装的Package（如果需要安装其他依赖Package，也会自动安装），如果选择了合适的镜像（从我这里来看，选择兰州大学的镜像，安装速度很快），则很快就可以安装好。最后给出StackOverflow上别人给的例子，安装好这个Package之后即可以运行。
mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")
mylogit <- glm(admit ~ gre, data = mydata, family = "binomial")
summary(mylogit)
prob=predict(mylogit,type=c("response"))
mydata$prob=prob
library(pROC)
g <- roc(admit ~ prob, data = mydata)
plot(g)
关于这个Package的其他使用方法，API文档，可以参考这里： http://www.inside-r.org/packages/cran/pROC/docs/auc 。就总结这么多，相信对初学的朋友会有所帮助。