R可视化——ROC曲线绘制常见包汇总及绘制方法展示
ROC曲线，即受试者工作特征曲线 （receiver operating characteristic curve），又称为感受性曲线（sensitivity curve）。ROC曲线曲线的绘制方式一般是根据一系列不同的二分类方式，以真阳性率(灵敏度)为纵坐标，假阳性率(1-特异度)为横坐标进行绘制。其中比较重要的几个统计量，如AUC（曲线下面积）用于评价诊断效果，AUC＞0.5时，AUC越接近于1，说明诊断效果越好；AUC在 0.5～0.7时，准确性较低；在0.7～0.9时，有一定准确性；AUC在0.9以上时，准确性较高。
今天这期推文，小编会结合pROC、multipleROC、reportROC、ROCR、plotROC及ROCit六个R包给大家展示如何进行ROC曲线的绘制相关指数的获取！
基于pROC包进行绘制
1、加载包
#加载包library(pROC)2、数据——以包里面的示例数据为例
df <- as.data.frame(aSAH)head(df)3、构建ROC对象并进行可视化
dfroc1<- roc(df$outcome, df$ndka)plot(dfroc1,col="red",#颜色 legacy.axes=T,#y轴格式更改 print.auc=TRUE,#显示AUC面积 print.thres=TRUE,#添加截点和95%CI grid=c(0.2,0.2),grid.col=c("blue","yellow"))#网格线设置4、计算AUC值
auc(dfroc1)## Area under the curve: 0.6125、绘制多条ROC曲线
##构建ROC对象dfroc1 <- roc(df$outcome, df$ndka)dfroc2 <- roc(df$outcome, df$s100b)dfroc3 <- roc(df$outcome, df$wfns)##绘图plot(dfroc1,col="red",grid=c(0.2,0.2),grid.col=c("blue","yellow"))plot(dfroc2,add=TRUE,col="green")plot(dfroc3,add=TRUE,col="pink")legend("bottomright", legend=c("A","B","C"), col=c("red","green","pink"),lty=1)基于multipleROC包绘制
1、加载R包
#加载R包## remotes::install_github("cardiomoon/multipleROC")## remotes::install_git("https://gitee.com/swcyo/multipleROC/")library(multipleROC)2、数据——以上面的数据为例
df <- as.data.frame(aSAH)3、绘图
p <- multipleROC(outcome~s100b,data=df)plot_ROC(p, show.points = T, show.eta = T, show.sens = T, show.AUC = T, facet = F )4、AUC、截断点、最佳截断值的提取
p$aucp$cutpointp$cutoff
# [1] 0.7313686
# [1] 0.3362725
# s100b# 116 0.225、绘制多条ROC曲线
###多个ROC曲线绘制p1 <- multipleROC(outcome~s100b,data=df)p2 <- multipleROC(outcome~ndka,data=df)p3 <- multipleROC(outcome~age,data=df)#一起显示plot_ROC(list(p1,p2,p3), show.points = T, show.eta = F, show.sens = F, show.AUC = T, facet = F ) 或者：plot_ROC2(yvar="outcome",xvars=c("age","s100b","ndka"),dataname="df")6、分面显示
plot_ROC(list(p1,p2,p3), show.points = T, show.eta = T, show.sens = T, show.AUC = T, facet = T )基于reportROC包进行绘制
这个R包唯一的好处就是可以一行代码输出ROC曲线的各项统计数值及ROC曲线，包括截断值、AUC及置信区间、灵敏度及置信区间、特异度及置信区间、阳性似然比、阴性似然比、阴性预测值等统计值：
1、加载R包
#加载包library(reportROC)2、数据——以aSAH示例数据为例
df <- as.data.frame(aSAH)3、ROC可视化及各项统计值展示
data <- reportROC(gold=df$outcome, predictor=aSAH$s100b, important="se", plot=TRUE)data
# Cutoff AUC AUC.SE AUC.low AUC.up P# 0.205 0.731 0.052 0.630 0.833 0.000# ACC ACC.low ACC.up SEN SEN.low SEN.up# 0.743 0.740 0.747 0.634 0.487 0.782# SPE SPE.low SPE.up PLR PLR.low PLR.up# 0.806 0.714 0.897 3.261 1.930 5.510# NLR NLR.low NLR.up PPV PPV.low PPV.up# 0.454 0.299 0.690 0.650 0.502 0.798# NPV NPV.low NPV.up PPA PPA.low PPA.up# 0.795 0.702 0.887 0.634 0.487 0.782# NPA NPA.low NPA.up TPA TPA.low TPA.up# 0.806 0.714 0.897 0.743 0.663 0.824# KAPPA KAPPA.low KAPPA.up# 0.442 0.270 0.6144、保存
write.csv(data, "data.csv")基于ROCR包进行绘制
1、加载R包
#加载包library(ROCR)2、数据——以aSAH示例数据为例
df <- as.data.frame(aSAH)3、构建prediction对象并展示AUC值
##构建prediction对象ROC <- prediction(df$age,df$outcom)#计算AUC(y.values就是AUC)AUC <- performance(ROC, "auc")slotNames(AUC)AUC@"y.values"
# > slotNames(AUC)# [1] "x.name" "y.name" # [3] "alpha.name" "x.values" # [5] "y.values" "alpha.values"# > AUC@"y.values"# [[1]]# [1] 0.61500684、获取ROC数据并进行可视化
df_roc <- performance(ROC, measure = "tpr", x.measure = "fpr")plot(df_roc)基于plotROC包进行绘制
1、加载R包
#加载R包library(plotROC)library(ggplot2)2、数据——以aSAH示例数据为例
df <- as.data.frame(aSAH)3、基于ggplot2绘图
p <- ggplot(df, aes(m = age, d = outcome)) + geom_roc()+theme_bw()p4、计算曲线下面积
calc_auc(p)
# PANEL group AUC# 1 1 -1 0.6150068基于ROCit包进行绘制
1、加载R包
library(ROCit)2、数据——以aSAH示例数据为例
df <- as.data.frame(aSAH)3、构建ROC对象
ROC <- rocit(score = df$age,class=df$outcome)4、计算AUC和95％置信区间
ciAUC(ROC)
# estimated AUC : 0.615006775067751 # AUC estimation method : empirical # # CI of AUC # confidence level = 95% # lower = 0.505167567962005 upper = 0.7248459821734965、绘制ROC曲线
plot(ROC,legend=T,YIndex=T)plot(ciROC(ROC),legend=T,YIndex=T) #包含置信区间参考：
1）https://blog.csdn.net/dege857/article/details/121138734
2）https://www.jianshu.com/p/6e89b25fca1b
3）https://cran.r-project.org/web/packages/reportROC/reportROC.pdf
4）https://cloud.tencent.com/developer/article/1632723
5）https://cloud.tencent.com/developer/article/1965938
6）https://zhuanlan.zhihu.com/p/607695181
爱我请给我好看!