R语言绘制绘制ROC和PR曲线（总结）
本节目标：
（1）总结常用的绘制ROC和PR曲线的R包 （2）生存预测模型的时间依赖性ROC曲线
第一部分：总结常用的绘制ROC曲线的R包：
（1）ROCR - 2005
ROCR包已经存在了近14年，是绘制ROC曲线最常用的工具，这个也是我本人最喜欢用和最常用的R语言包。ROCR包的performance()函数通过真阳性率tpr和假阳性率fpr和来计算曲线下面积。它的功能几乎几乎涵盖了所有二分类器性能评估所需要的指标。例如，要生成precision-recall曲线，您需要输入prec和rec。
下面的代码使用包附带的合成数据集并绘制默认的ROCR ROC曲线。在本文中，我将使用相同的数据集。
####################################
#ROCR包绘制ROC曲线
####################################
library(ROCR)
rm(list = ls())
data(ROCR.simple)
df <- data.frame(ROCR.simple)
pred <-prediction(df$predictions,df$labels)
perf <- performance(pred,"tpr","fpr")
plot(perf, col='blue',lty=2)
auc <- performance(pred,'auc')
auc = unlist(slot(auc,"y.values"))
plot(perf,
xlim=c(0,1), ylim=c(0,1),col='red',
main=paste("ROC curve (", "AUC = ",auc,")"),
lwd = 2, cex.main=1.3, cex.lab=1.2, cex.axis=1.2, font=1.2)
abline(0,1)（2）pROC
该包的特点是对ROC曲线的可视化较强，同时可以对ROC曲线进行平滑处理。 其相对于ROCR最吸引人的两个特点：（1）计算AUC或ROC曲线的置信区间。（2）可以检验多个ROC曲线之间是否有差异
- 计算AUC或ROC曲线的置信区间
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2019.06.19 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
文字识别
文字识别（Optical Character Recognition，OCR）基于腾讯优图实验室的深度学习技术，将图片上的文字内容，智能识别成为可编辑的文本。OCR 支持身份证、名片等卡证类和票据类的印刷体识别，也支持运单等手写体识别，支持提供定制化服务，可以有效地代替人工录入信息。