用R软件包ROCR画ROC曲线
来源:互联网 发布:数据库原理第五版答案 编辑:程序博客网 时间:2024/05/18 14:46
ROC曲线可以简单、直观得观察分析方法的临床准确性,并可用肉眼作出判断。ROC以真阳性率(灵敏度FPR)为纵坐标,假阳性率(1-特异度TPR)为横坐标绘制的曲线,可准确反映某分析方法特异性和敏感性的关系,是试验准确性的综合代表。ROC曲线不固定分类界值,允许中间状态存在,利于使用者结合专业知识,权衡漏诊与误诊的影响,选择一更佳截断点作为诊断参考值。提供不同试验之间在共同标尺下的直观的比较,ROC曲线越凸越近左上角表明其诊断价值越大,利于不同指标间的比较。曲线下面积可评价诊断准确性。
1.相关定义及计算公式(用混淆矩阵的形式将分类结果展示出来)
2.加载R包ROCR
Packages > Install > ROCR > Install
确保电脑联网即可下载
3.画ROC曲线
本身这个软件内嵌的是有参考数据的,你可以运行:ROCR.simple$labels和ROCR.simple$predictions来查看数据内容。
ROC曲线运行命令如下:
data(ROCR.simple)
pred <- prediction(ROCR.simple$predictions, ROCR.simple$labels) #ROCR.simple$predictions为预测标签,ROCR.simple$labels为真实标签
perf <- performance(pred,"tpr","fpr")
plot(perf,colorize=TRUE)
4.ROC曲线评价统计量
ROC曲线下的面积(area under ROC curve)值在1.0和0.5之间。在AUC>0.5的情况下,AUC越接近于1,说明诊断效果越好。AUC在 0.5~0.7时有较低准确性,AUC在0.7~0.9时有一定准确性,AUC在0.9以上时有较高准确性。AUC=0.5时,说明诊断方法完全不起作用,无诊断价值。AUC<0.5不符合真实情况,在实际中极少出现。
auc值用以下命令提取:
auc <- performance(pred,'auc')
auc=unlist(slot(auc,"y.values"))
- 用R软件包ROCR画ROC曲线
- 用tensorflow画ROC曲线
- 用Python画ROC曲线
- R语言绘制ROC曲线
- 使用R绘制ROC曲线
- R语言-绘制ROC曲线
- R语言-绘制ROC曲线
- 画ROC曲线
- MATLAB画ROC曲线
- ggolot2 画ROC曲线
- sklearn画ROC曲线
- ggolot2 画ROC曲线
- r语言怎么做ROC曲线
- ROCR资料备忘:画带颜色区分的多条ROC曲线图
- python sklearn画ROC曲线
- 利用scikitlearn画ROC曲线
- matlab plotroc 画roc曲线
- 用sklearn绘制ROC曲线
- 《Cracking the Coding Interview程序员面试金典》----清除行列
- Spark2.1.0官方文档:快速开始-Quick Start
- 亲测成功 unity直连android真机测试
- C#学习之time控件和timer_tick事件
- 【java】控制小球的移动,保证小球不出边界
- 用R软件包ROCR画ROC曲线
- P1217 [USACO1.5]回文质数 Prime Palindromes
- Android可绘制对象资源之shape和layer-list使用
- ContentProvider源码分析(原)
- SSH-走通一条线之页面是怎样显示出来的?
- [BZOJ4825][HNOI2017]单旋 平衡树
- c++实验四-输出星号图
- 【脚本语言系列】关于Python测试工具unittest, 你需要知道的事
- java的基本知识(1)