Question 1：什么是ROC曲线？
受试者工作特征曲线 (receiver operating characteristic curve，简称ROC曲线)，又称为感受性曲线（sensitivity curve）。ROC曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反应，只不过是在几种不同的判定标准下所得的结果。它以假阳性概率(False positive rate)为横轴，真阳性(True positive rate)为纵轴组成坐标图，用曲线的形式展示受试者在特定刺激条件下由于采用不同的判断标准得出的不同结果。
ROC曲线是常见的统计分析方法之一，目前广泛应用于医学诊断、生物信息学、数据挖掘和机器学习等研究中，用来评判分类、检测结果的好坏。ROC曲线可用于评价生物标记物(biomarker)的表现以及比较不同打分方法(scoring methods)。
Question 2：ROC曲线有什么含义？
下面示例选择计算TPR和TNR这两个指标：
①ROC曲线越靠近左上角,则表示分类器越好，正确率越高；
②ROC曲线下的面积AUC，介于0.1和1之间，作为数值可以直观的评价分类器的好坏，数值越大，表示分类器越好，正确率越高。
Question 3：如何不使用R语言绘制ROC曲线？
小编和他的小伙伴们开发了一个在线的作图小网站——云图图（https://www.cloudtutu.com/#/index，免费的哦~），操作步骤如下：
①登录网址：https://www.cloudtutu.com/#/index（推荐使用360或者谷歌浏览器）
②输入用户名和密码（小编已经为大家填好了，如果不显示可添加文末二维码添加小编获取），输入验证码后即可登录，无需注册，直接使用，不必担心隐私泄露，是不是诚意满满~
③登录后在工具一栏（全部分析）里找到ROC曲线分析，点击进入；
④请按照界面右侧的说明书或者下文进行操作。
Step 1：上传数据
※目前平台仅支持.txt(制表符分隔)文本文件或者.csv文件的文件上传。
平台可对不规范的数据格式进行部分处理，但还是请您尽量按照示例数据的格式调整数据，以便机器可以识别。
a)准备一个数据矩阵（形式参照示例数据）；
b)表格需要带表头和列名，如第一列为ID名，第二列为诊断类型，自第三列至后为不同模型名称或分类器名;
c)请提交txt(制表符分隔)文本文件或者.csv文件。操作方法为：全选excel中的所有内容（ctrl+A），复制到记事本中，将记事本文件另存后点击“上传”按钮上传该文件。
Step 2：调整参数
2.1 自定义横/纵坐标：按需自行设置名称
2.2 颜色选择：本平台仅提供三种颜色选择，若样本个数超过3个，则颜色不可选
2.3 坐标轴字体大小：按需自行设置
2.4 图例字体大小：按需自行设置
Step 3：下载文件
根据个人需求进行参数调整后点击运行后等待5-10秒即可下载结果，平台提供PDF格式的矢量图下载。
Step 4：作图后处理
TUTU云平台提供的是PDF格式的矢量图，可通过矢量图处理软件（Inkscape或AI）进行编辑和调整（如：文字字体，文字大小，图片分辨率等）。图形处理软件和使用方法可扫描文后的二维码添加小编微信获取。
写作建议
XXXX analysis was performed on Tutools platform (http://www.cloudtutu.com), a free online data analysis website.
尊敬的用户，如果图图云平台在您的科研中有幸提供了些许帮助，我们期望您能在方法学或者致谢中提及我们，引用方法如下：XXXX analysis was performed on Tutools platform (https://www.cloudtutu.com), a free online data analysis website. 目前平台还处于测试阶段，使用过程中有任何疑问或者报错欢迎随时联系小编反馈。您的反馈和建议是我们最大的动力~
