![9e398caa3006298300272296e6671c0b.gif](https://img-blog.csdnimg.cn/img_convert/9e398caa3006298300272296e6671c0b.gif)
![0686ad49c21992cbe0e0349947e93748.gif](https://img-blog.csdnimg.cn/img_convert/0686ad49c21992cbe0e0349947e93748.gif)
ROC曲线图解
ROC曲线图主要用于描述:
(1)敏感性和特异性之间的关系,例如敏感性降低时,特异性的增加。
(2)测试精度,曲线越靠近顶部和左侧边界,代表测试越准确;曲线越靠近对角线,测试的准确性就越低。
(3)似然比,由任意特定切点处的导数给出。
ROC曲线显示两个测试,红色测试更接近对角线,因此不如蓝色测试准确。
测试精度也显示为曲线下面积(area under the curve,AUC),可以使用积分计算,曲线下的面积越大,测试越准确。完美测试的ROC曲线下面积为1(曲线从0开始垂直延伸到左上角,然后水平延伸至右上角)。
ROC曲线中的对角线代表着等概率(随机)事件,可以理解为,遵循对角线的测试并不比随机抛硬币更容易发现问题。对角线下方的面积是0.5(图形面积的一半),因此若测试的AUC值小于或大致等同0.5,则反映其是个无效的测试。
几种获取ROC曲线的R包的简介
现阶段能够获取ROC曲线的R包非常多,这里列举6个R包,足以满足日常使用了。
以下过程只简单展示怎样通过这些R包获得ROC曲线,以及计算曲线下面积(AUC)。关于这些R包的其它细节,比如说怎样修改参数使ROC曲线更好看等,还请同学们自行研究了。
ROC