ROC曲线是通过绘制真阳性率(TPR)与假阳性率(FPR)在不同阈值设置下的曲线。在机器学习中,真阳性率也被称为灵敏度、回忆率或检出率。假阳性率也称为误报率,可以计算为(1 -特异度)。...plot=TRUE, add=TRUE, percent=roc4$percent)
#在上述ROC绘图基础上再绘制
#add是否将其他ROC曲线将被添加到现有的plot中
2...1, .1))
#ci.se,在特定情况下计算灵敏度的置信区间
plot(sens.ci, type="shape", col="lightblue")
plot(sens.ci, type="bars...reuse.auc=FALSE, partial.auc=c(1, .8),
#reuse.auc=FALSE(默认值),“roc”对象包含一个“auc”字段
#请在测试中重用这些...allow.invalid.partial.auc.correct = TRUE,
#当试图校正对角线以下的pAUC时,指示校正是否必须返回NA(带有警告)。