-
超详细的ROC曲线绘制教程
ROC曲线是临床中常用的统计分析之一，R中可以绘制ROC曲线的包也有很多，
pROC包就是其中的佼佼者。pROC包可以计算AUC和95%置信区间，可以可视化、平滑和比较ROC曲线。下面是
pROC包中的常用缩写缩写 解释 ROC曲线 受试者操作特征曲线 AUC ROC曲线下面积 pAUC 部分ROC曲线下面积 CI 置信区间 SP 特异度specificity SE 灵敏度sensitivity
1. 加载数据
使用pROC包自带的
aSAH数据集来演示。该数据集包括了113例动脉瘤蛛网膜下腔出血患者的临床和实验室资料。- library(pROC) # 加载pROC包
- data(aSAH) # 加载内置数据集
- head(aSAH) # 查看数据集
2. 拟合曲线
在pROC包中，使用roc()来建立ROC对象。默认情况下roc()会输出AUC的值。
roc1 <- roc(aSAH$outcome, aSAH$s100b, -
相关阅读:
C++模板使用（学习总结）
AttributeError: module ‘scipy.signal‘ has no attribute ‘correlation_lags‘
软件测试/测试开发丨利用ChatGPT编写测试用例
【JavaSE】Set接口--深入源码解读HashSet与LinkedHashSet
Hadoop高可用集群（HA）一键启动脚本
MySQL高级篇第一章（linux下安装MySQL）【下】
m在ISE平台下使用verilog开发基于FPGA的GMSK调制器
【Push Kit】关于推送消息没有锁屏通知的问题
Linux 学习总结（93）—— Linux 管道符使用总结
Qt for Python 入门¶
- 原文地址：https://blog.csdn.net/Mrrunsen/article/details/126498678