R语言绘制ROC曲线图

受试者工作特征曲线(ROC曲线)，最初作为一种分析方法在二战时用于评价雷达性能(鉴别敌方，友方以及噪音)，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。
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)。因此，ROC曲线是非常重要和常见的统计分析方法，下面我们就用两种方法绘制ROC曲线图吧~

part 1：pROC绘制ROC曲线

1.下载pROC包和ggplot2包

BiocManager::install("pROC")
BiocManager::install("ggplot2")

2.调用pROC包，调用ggplot2包以利用ggroc函数

library(pROC)
library(ggplot2)

3.建立曲线

data(aSAH)
rocobj1<-roc(aSAH$outcome,aSAH$s100b)
rocobj2<-roc(aSAH$outcome,aSAH$wfns)
rocobj3<-roc(aSAH$outcome,aSAH$ndka)

4.计算full AUC

auc(rocobj1)
auc(rocobj2)
auc(rocobj3)

5.绘制曲线

plot(rocobj1)

6.其他参数美化

plot(rocobj1, print.auc=TRUE, auc.polygon=TRUE, 
     grid=c(0.1, 0.2), 
     grid.col=c("green", "red"), 
     max.auc.polygon=TRUE,
     auc.polygon.col="skyblue",
     print.thres=TRUE)

7.计算partial AUC选择关注(sp或se)一定范围的数据

plot(rocobj1, print.auc=TRUE, auc.polygon=TRUE, 
     partial.auc=c(1, 0.8),partial.auc.focus="sp", 
     grid=c(0.1, 0.2),grid.col=c("green", "red"),
     max.auc.polygon=TRUE, 
     auc.polygon.col="skyblue",
     print.thres=TRUE, reuse.auc=FALSE)

part 2：ROCR包绘制ROC曲线

1.下载ROCR包并调用

BiocManager::install("ROCR")
library(ROCR)

2.调用ROCR的内置示例数据

data(ROCR.simple)
df <- data.frame(ROCR.simple)

3.查看数据前六行

head(df)

4.performance函数计算tpr,fpr

pred<-prediction(df$predictions, df$labels)
perf<- performance(pred,"tpr","fpr")
perf
plot(perf,colorize=TRUE)

在这里插入图片描述

R语言绘制ROC曲线图

part 1：pROC绘制ROC曲线

part 2：ROCR包绘制ROC曲线

以上就是ROC曲线图的两种方法分享啦！

如果对如果对生信绘图感兴趣的小伙伴可以添加“小图”或者搜索微信公众号“作图帮”，让我们一起学习生信绘图，图图期待你们的加入！

Guess you like