r roc函数_R语言绘制ROC曲线
library(tidyverse)# for data manipulationlibrary(pkgsearch) # for searching packages
找与ROC相关的包该包会提供一系列关于感兴趣主题的R包,包括他们的评分,作者,连接等等ps函数等价于pkg_search
size:定义返回结果数量
format="short"返回格式Sys.setlocale('LC_ALL','C')
rocPkg
head(rocPkg)
class(rocPkg)
[1] "C"
- "ROC" ------------------------------------- 74 packages in 0.01 seconds -
# package version
1 100 pROC 1.15.0
2 44 caTools 1.17.1.2
3 18 survivalROC 1.0.3
4 18 PRROC 1.3.1
5 15 plotROC 2.2.1
6 14 precrec 0.10.1
by @
Xavier Robin 2M
ORPHANED 4M
Paramita Saha-Chaudhuri7y
Jan Grau 1y
Michael C. Sachs 1y
Takaya Saito 3M
[1] "pkg_search_result" "tbl_df" "tbl"
[4] "data.frame"
ROCR包performance函数计算tpr,fprlibrary(ROCR)
data(ROCR.simple)
df
head(df)
## predictions labels
## 1 0.6125478 1
## 2 0.3642710 1
## 3 0.4321361 0
## 4 0.1402911 0
## 5 0.3848959 0
## 6 0.2444155 1
pred
perf
perf
plot(perf,colorize=TRUE)image.png
plotROC包-ggplot绘制ROC曲线ROC曲线用于评估连续测量的精度,以预测二进制结果。在医学上,ROC曲线用于评价放射学和一般诊断的诊断试验有着悠久的历史。ROC曲线在信号检测理论中也有很长的应用历史。require(plotROC)
提供网页版操作,为了代码的连贯性,这里不介绍网页版,不可能我们分析到一般导出数据,拿到网页版去操作。基本用法set.seed(2529)
D.ex
M1
M2
test
M1 = M1, M2 = M2, stringsAsFactors = FALSE)
head(test)
## D D.str M1 M2
## 1 1 Ill 1.48117155 -2.50636605
## 2 1 Ill 0.61994478 1.46861033
## 3 0 Healthy 0.57613345 0.07532573
## 4 1 Ill 0.85433197 2.41997703
## 5 0 Healthy 0.05258342 0.01863718
## 6 1 Ill 0.66703989 0.24732453geom_roc绘图d为编码1/0, m为用于预测的值marker
注意需要一个disease code,不一定是1/0,但最后选择编码为1/0
如不1/0,则stat_roc默认按顺序最低值为无病状态basicplot
basicplotimage.png若diseaase编码非1/0:提示warning但仍能继续ggplot(test, aes(d = D.str, m = M1)) + geom_roc()image.pngn.cuts参数:展示几个截断点
labelsize: 展示标签的大小
labelround: label值保留几位小数ggplot(test, aes(d = D, m = M1)) + geom_roc(n.cuts = 5, labelsize = 5, labelround = 2)修改style-style_roc函数styledplot
styledplotimage.png修改xlab, 主题basicplot + style_roc(theme = theme_grey, xlab = "1 - Specificity")image.png
multiROC-多因素诊断
meltroc类似于dplyr中的gather。转换数据为长数据,原数据为两列markerhead(test)
## D M name
## M11 1 1.48117155 M1
## M12 1 0.61994478 M1
## M13 0 0.57613345 M1
## M14 1 0.85433197 M1
## M15 0 0.05258342 M1
## M16 1 0.66703989 M1
longtest
head(longtest)
table(longtest$name)
## ROC曲线比较
ggplot(longtest, aes(d = D, m = M, color = name)) +
geom_roc() +
style_roc()+
ggsci::scale_color_lancet()image.pngggplot2分面ggplot(longtest, aes(d = D, m = M, color = name)) +
geom_roc() +
style_roc()+
facet_wrap(~name)+
ggsci::scale_color_lancet()image.png主题与注释AUC计算并绘制在图中-calc_auc函数
calc_auc(basicplot)$AUC提取basicplot +
style_roc(theme = theme_grey) + ##主题修改
theme(axis.text = element_text(colour = "blue")) +
ggtitle("Themes and annotations") + ## 标题
annotate("text", x = .75, y = .25, ## 注释text的位置
label = paste("AUC =", round(calc_auc(basicplot)$AUC, 2))) +
scale_x_continuous("1 - Specificity", breaks = seq(0, 1, by = .1)) ## x刻度
## Scale for 'x' is already present. Adding another scale for 'x', whiimage.png对multi_ROC注释,实现多个AUC值的呈现,实际上仍然是ggplot2语法中的annotate注释p
geom_roc(n.cuts = 0) +
style_roc()+
ggsci::scale_color_lancet()
auc
head(auc)
## PANEL group AUC
## 1 1 1 0.833985
## 2 1 2 0.679599
p+annotate("text",x = .75, y = .25, ## 注释text的位置
label = paste("AUC of M1 =", round(calc_auc(p)$AUC[1], 2))) +
annotate("text",x = .75, y = .15, ## 注释text的位置)
label=paste("AUC of M2 =", round(calc_auc(p)$AUC[2], 2)))
其它计算ROC曲线的算法融入默认的calculate_roc 计算的是 empirical ROC曲线
只要有cutoff, TPF,FPF即可计算,将这些结果以数据框的形式传入到 ggroc 函数
代替默认的统计方法为identityrequire(plotROC)
require(ggplot2)
set.seed(2529)
D.ex
M1
M2
test
M1 = M1, M2 = M2, stringsAsFactors = FALSE)
head(test)
## D D.str M1 M2
## 1 1 Ill 1.48117155 -2.50636605
## 2 1 Ill 0.61994478 1.46861033
## 3 0 Healthy 0.57613345 0.07532573
## 4 1 Ill 0.85433197 2.41997703
## 5 0 Healthy 0.05258342 0.01863718
## 6 1 Ill 0.66703989 0.24732453
D.ex
M.ex
mu1
mu0
s1
s0
c.ex
## 构造数据框传入数据
binorm.roc
FPF = pnorm((mu0 - c.ex)/s0),
TPF = pnorm((mu1 - c.ex)/s1)
)
head(binorm.roc)
binorm.plot
geom_roc(stat = "identity") + style_roc(theme = theme_grey)
binorm.plotimage.png
时间依赖的ROC曲线配合survival ROC包
配合lapply函数实现批量绘图
lappy的结果返回为list,刚好输入do.callrequire(ggplot2)
require(plotROC)
library(survivalROC)
survT
cens
M
### 时间2,5,10
sroc
stroc
predict.time = t, method = "NNE", ## KM法或NNE法
span = .25 * 350^(-.2))
data.frame(TPF = stroc[["TP"]], FPF = stroc[["FP"]],
c = stroc[["cut.values"]],
time = rep(stroc[["predict.time"]], length(stroc[["FP"]])))
})
## 整合到数据框中
sroclong
class(sroclong)
## [1] "data.frame"
head(sroclong)
## TPF FPF c time
## 1 1 1.0000000 -Inf 2
## 2 1 0.9970286 -96.21091 2
## 3 1 0.9940573 -89.13315 2
## 4 1 0.9910859 -80.53402 2
## 5 1 0.9881145 -70.53104 2
## 6 1 0.9851431 -67.81392 2
sroclong$time
## 绘制ROC
pROC
geom_roc(labels = FALSE, stat = "identity") +
style_roc()+
ggsci::scale_color_jco()
pROCimage.png添加注释pROC+annotate("text",x = .75, y = .25, ## 注释text的位置
label = paste("AUC of 1 years =", round(calc_auc(pROC)$AUC[1], 2))) +
annotate("text",x = .75, y = .15, ## 注释text的位置)
label=paste("AUC of 3 years =", round(calc_auc(pROC)$AUC[2], 2)))+
annotate("text",x = .75, y = .05, ## 注释text的位置)
label=paste("AUC of 5 years =", round(calc_auc(pROC)$AUC[3], 2)))image.png
r roc函数_R语言绘制ROC曲线相关推荐
- r roc函数_R语言画ROC曲线总结
在本文中,我描述了如何在CRAN中搜索用于绘制ROC曲线的包,并重点介绍了六个有用的包. 尽管我从一些我想谈论的软件包开始就有了一些想法,例如ROCR和pROC(我在过去发现它们很有用),但我还是决定 ...
- r roc函数_R语言中绘制ROC曲线
两种方法: 第一种,摘自别人的方法: ROC曲线,做分类时经常会用到的一种结果表现方法.诸如此类的工作,首选工具当然是R.在CRAN上搜了一下,找到一个叫ROCR的包.尽管这个包已经很久没更新了,但用 ...
- R count函数_R语言系列第二期:R变量、脚本、作图等模块介绍
在上一篇文章里,给大家介绍了R语言的下载,界面操作,6个处理对象等等.R语言系列第一期(番外篇 ):R的6种对象-向量.矩阵.数组.因子.列表.数据框 在这些内容的基础上,我们在这个部分为大家介绍一些 ...
- 使用R构建Xgboost模型并绘制ROC曲线
使用R构建Xgboost模型并绘制ROC曲线 xgboost算法论文全称为<XGBoost: A Scalable Tree Boosting System>,由陈天奇于2016年发表的, ...
- 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 ...
- r语言绘制精美pcoa图_R语言绘制交互式热图
热图 通过热图可以简单地聚合大量数据,并使用一种渐进的色带来优雅地表现,最终效果一般优于离散点的直接显示,可以很直观地展现空间数据的疏密程度或频率高低.但也由于很直观,热图在数据表现的准确性并不能保证 ...
- R语言在图上标出点坐标_R语言绘制平行坐标图(PCP)示例
R语言绘制平行坐标图(PCP)示例 前文在讲述 时提到了,它在某种形式上是平行坐标图( parallel coordinate plot,PCP)的一种变体,那么本篇顺便提一下什么是平行坐标图. 平行 ...
- 语言的MASS包干什么的_R语言绘制平行坐标图(PCP)示例
R语言绘制平行坐标图(PCP)示例前文在讲述冲击图(alluvial diagram)时提到了,它在某种形式上是平行坐标图(parallel coordinate plot,PCP)的一种变体,那么本 ...
- r roc函数_R画ROC曲线
学了一下ROC图形的原理,在此实现一下,算是理论落地的训练,只不过目前看的是二分类问题. FPR.TPR简介 ROC曲线的横坐标为FPR,叫做假正例率,也就是实际为假的观测中被判断为真的所占的比例. ...
最新文章
- getitemdata中参数设置
- Linux查找文件 —— whereis 、 find、 locate、 which
- asp.net 1.1/ 2.0 中快速实现单点登陆
- QML 实现图片帧渐隐渐显轮播
- 希尔排序听起来有点难,其实很简单
- Linux内核Crash分析
- 一个学校内部的计算机网络属于,一个教室内计算机联成的网络属于____。
- JS获取页面中Url的某个参数
- hadoop上传文件报错
- 申请软著源程序量一般填多少
- 基于51单片机的pid算法温度控制系统protues仿真
- C2 - Skyscrapers (hard version),Codeforces Round #622 (Div. 2),单调栈
- github100天python_GitHub - jazeyoung/Python-100-Days: Python - 100天从新手到大师
- 两阶段目标检测详解--FastRCNN
- 运动学逆解(四足机器狗)
- 小米妙享更新的安装包下载到了电脑的哪里
- 洛谷P2486 染色
- python random模块中seed函数的详解_random.seed()函数理解
- linux创建分区大小命令,Linux使用fdisk创建分区详解
- 全球与中国汽车点火线圈市场深度研究分析报告