1 roc曲线的意义
ROC曲线就是用来判断诊断的正确性，最理想的就是曲线下的面积为1，比较理想的状态就是曲线下的面积在0.8-0.9之间，0.5的话对实验结果没有什么影响。
如图：
2代码部分
install.packages(“pROC”) install.packages(“ggplot2”) library(pROC) library(ggplot2) #建立曲线 data(aSAH) rocobj1<-roc(aSAHo u t c o m e , a S A H outcome,aSAHoutcome,aSAHs100b) rocobj2<-roc(aSAHo u t c o m e , a S A H outcome,aSAHoutcome,aSAHwfns) rocobj3<-roc(aSAHo u t c o m e , a S A H outcome,aSAHoutcome,aSAHndka) #计算full AUC auc(rocobj1) auc(rocobj2) auc(rocobj3) #绘制曲线 plot(rocobj1) #其他参数美化 plot(rocobj1,print.auc=TRUE,auc.polygon=TRUE,grid=c(0.1,0.2),grid.col=c(“green”,“red”),max.auc.polygon=TRUE,auc.polygon.col=“skyblue”,print.thres=TRUE) #计算partial AUC选择关注一定范围数据 plot(rocobj1,print.auc=TRUE,auc.polygon=TRUE,partial.auc=c(0.8,0.4),partial.auc.focus=“sp”,grid=c(0.1,0.2),grid.col=c(“green”,“red”),max.auc.polygon=TRUE,auc.polygon.col=“skyblue”,print.thres=TRUE,reuse.auc=FALSE) #比较两个曲线，pROC提供三种方法比较“delong”, “bootstrap”或“venkatraman” roc.test(rocobj1,rocobj2,method = “bootstrap”) #ggroc(功能仍在测试中)绘制Multiple curves g3<-ggroc(list(s100b=rocobj,wfns=rocobj2,ndka=rocobj3)) g3 install.packages(“pROC”) library(“pROC”)##roc data(aSAH) roc1<-roc(myDatal a b e l , m y D a t a label,myDatalabel,myDatascore) roc2<-roc(myData2l a b e l , m y D a t a 2 label,myData2label,myData2score) polt(roc1,col=“blue”) polt.roc(roc2,add=TRUE,col=“red”)
3 实验结果
补充：R语言proc包绘制多重ROC曲线（信用评分应用，已有label和相应score）
数据：好坏标签label、用四种model简单计算出的每一个样本的score，标记为pre1至pre4，约1w样本
目的：使用proc包绘制ROC曲线，并生成AUC值
1.读入数据
data<-read.csv(file="D:/个人消费信用/第三次上机/工作簿2.csv",header=T)
header=T 即在读取中，将原有数据的第一行设置为变量名。
注意文件的分隔为 “ / ”，与默认不同。
2.画出最基本的ROC曲线
library(pROC) #加载pROC包 roc1<-roc(data$label,data$pre1) plot(roc1,print.auc=TRUE,plot=TRUE, print.thres=TRUE)
包含AUC的值和最优临界点，下面把它美化一下~
（问题：为啥横坐标Specificity的范围是1.5到-0.5，查了一下没有找到原因，可能是因为原数据本身的问题，以前以违约概率而非score的时候没有出现这个问题，择日探究……TvT)
3.美化ROC曲线
plot(roc2,print.auc=TRUE,print.auc.x=0.4,print.auc.y=0.4,auc.polygon=TRUE,auc.polygon.col="gray",
smooth=TRUE,
grid=c(0.5, 0.2),
grid.col=c("black", "black"),
max.auc.polygon=TRUE,
print.thres=TRUE,print.thres.cex=0.8,
lty=1,main=" ROC曲线",mfrow=c(1,1))
解释在括号里面叠加命令的代码：
print.auc.x=0.4,print.auc.y=0.4 #设置AUC值显示出来的坐标 auc.polygon=TRUE,auc.polygon.col="gray" #设置ROC曲线下填充色，此处设定为灰色 smooth=TRUE #使ROC曲线变得光滑 max.auc.polygon=TRUE #整个图像填充 print.thres.cex=0.8 #设置最优临界点字体的大小 lty=1,main=" ROC曲线",mfrow=c(1,1) #设置标题啥的 mfrow貌似是图形参数，待查……
4.合并ROC曲线
由于共有4个model，所以要想比较模型的优劣，可以将四个ROC曲线画到一起。
roc1<- roc(data$label,data$pre1)
roc2<- roc(data$label,data$pre2)
roc3<- roc(data$label,data$pre3)
roc4<- roc(data$label,data$pre4)
plot(roc1, print.auc=TRUE,print.auc.x=0.4,print.auc.y=0.4, auc.polygon=TRUE,auc.polygon.col="gray", grid=c(0.5, 0.2),smooth=T,grid.col=c("black", "black"), max.auc.polygon=TRUE)
plot.roc(roc2,add=T,col="red", print.auc=TRUE,print.auc.x=0.3,print.auc.y=0.3)
plot.roc(roc3,add=T,col="blue",print.auc=TRUE,print.auc.x=0.5,print.auc.y=0.5)
plot.roc(roc4,add=T,col="yellow",print.auc=TRUE,print.auc.x=0.6,print.auc.y=0.6)
由于此处要显示AUC值，且不要重合~所以在后面加上了print.auc=TRUE,print.auc.x=0.6,print.auc.y=0.6的命令。
如果不重合的话，直接在roc1下面加上下列代码即可：
plot.roc(roc2,add=T,col="red")
由于原有数据的问题，这里的四条ROC曲线几乎重合~但此处只是介绍pROC包绘制ROC曲线的用法。就不要太在意辽！
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。如有错误或未考虑完全的地方，望不吝赐教。
