R语言如何绘制ROC曲线(9)

1.什么是ROC曲线？

ROC曲线反映敏感性和特异性连续变量的综合指标，用于二分类。

**AUC：**根据曲线位置，把整个图划分成了两部分，曲线下方部分的面积被称为 AUC（Area Under Curve），用来表示预测准确性，AUC 值越高，也就是曲线下方面积越大，说明预测准确率越高。曲线越接近左上角，预测准确率越高。

临界点cut off point：ROC曲线最靠近左上方那个点的临界值为最佳临界值。

本文我们就来讨论一下ROC曲线是如何绘制的以及如何对其进行解读。

2.绘图前的数据准备

​ demo数据可以在https://www.bioladder.cn/shiny/zyp/bioladder2/demoData/ROC/demo.txt下载。

​ 必须包含2列数据，必须有行名。第一列是分组，有且只能含有2个分组，第二列为对应的数值

3. R语言怎么画ROC曲线

# 加载R包，没有安装请先安装  install.packages("包名") 
library(pROC)
library(ggplot2)

# 读取ROC数据文件
df = read.delim("https://www.bioladder.cn/shiny/zyp/bioladder2/demoData/ROC/demo.txt",# 这里读取了网络上的demo数据，将此处换成你自己电脑里的文件
                  header = T    # 指定第一行是列名
)

# ROC计算
rocobj <- roc(df[,1], df[,2],
              smooth = F       # 曲线是否光滑，当光滑时，无法计算置信区间
) 
# 计算临界点/阈值
cutOffPoint <- coords(rocobj, "best")

# 计算AUC值
auc<-auc(rocobj)[1]
# AUC的置信区间
auc_low<-ci(rocobj,of="auc")[1]
auc_high<-ci(rocobj,of="auc")[3]

# 计算置信区间
ciobj <- ci.se(rocobj,specificities=seq(0, 1, 0.01))
data_ci<-ciobj[1:101,1:3]
data_ci<-as.data.frame(data_ci)
x=as.numeric(rownames(data_ci))
data_ci<-data.frame(x,data_ci)

# 绘图
ggroc(rocobj,
      color="red",
      size=1,
      legacy.axes = FALSE)+
  theme_classic()+
  geom_segment(aes(x = 1, y = 0, xend = 0, yend = 1),        # 绘制对角线
               colour='grey', 
               linetype = 'dotdash'
               ) +
  geom_ribbon(data = data_ci,                                # 绘制置信区间
              aes(x=x,ymin=X2.5.,ymax=X97.5.), 
              fill = 'lightblue',
              alpha=0.5)+
  geom_point(aes(x = cutOffPoint[[2]],y = cutOffPoint[[3]])) # 绘制临界点/阈值

4. BioLadder生信云平台在线绘制ROC曲线

不想写代码？可以用BioLadder生信云平台在线绘制ROC曲线。

网址：https://www.bioladder.cn/web/#/chart/63

5. ROC曲线结果解读

红线是ROC曲线；

灰色虚线是斜对角线，一般是为了方便观察；

蓝色点是临界值/阈值，数值表示的含义分别是：该点的曲线下面积，Specificity，Sensitivity；

蓝色区域是置信区间。