原標(biāo)題：畫ROC曲線的R包總結(jié)

作者： Joseph Rickert

原文鏈接：

https://rviews.rstudio.com/2019/03/01/some-r-packages-for-roc-curves/

在這篇文章中，我將描述如何在CRAN中搜索繪制ROC曲線的包，并強(qiáng)調(diào)六個有用的包。

雖然一開始我有一些想談?wù)摰陌南敕?#xff0c;像ROCR和pROC，我發(fā)現(xiàn)它們在過去是有用的，但我決定使用Gabor Csardi相對較新的包pkgsearch來搜索CRAN，看看那里有什么。package_search()函數(shù)的作用是:將文本字符串作為輸入，并使用基本的文本挖掘技術(shù)搜索所有CRAN。該算法搜索包文本字段，并為它找到的每個包生成一個分?jǐn)?shù)，該分?jǐn)?shù)由反向依賴項(xiàng)和下載的數(shù)量加權(quán)。

1library(tidyverse) # for data manipulation

2library(dlstats) # for package download stats

3library(pkgsearch) # for searching packages

經(jīng)過一些嘗試和錯誤之后，我決定使用以下查詢，其中包括一些有趣的與roc相關(guān)的包。

1rocPkg

2

然后，通過過濾掉孤立包和得分不超過190的包，我將rocPkg縮小到46個包。

1rocPkgShort%

2filter(maintainer_name != "ORPHANED", score > 190) %>%

3select(score, package, downloads_last_month) %>%

4arrange(desc(downloads_last_month))

5head(rocPkgShort)

為了完成選擇過程，我做了大量的工作，瀏覽了軟件包的文檔，從中挑選出我認(rèn)為對大多數(shù)數(shù)據(jù)科學(xué)家通常有用的東西。下面的圖使用Guangchuang Yu的dlstats包查看我選擇配置的六個包的下載歷史。

1library(dlstats)

2shortList

3downloads

4ggplot(downloads, aes(end, downloads, group=package, color=package)) +

5geom_line() + geom_point(aes(shape=package)) +

6scale_y_continuous(trans = 'log2')

ROCR - 2005

ROCR已經(jīng)存在了近14年，是繪制ROC曲線的一個堅如磐石的工具。我特別喜歡performance()函數(shù)通過輸入真陽性率tpr和假陽性率fpr和參數(shù)來設(shè)置曲線的計算方法。這不僅具有令人放心的透明性，還顯示了通過輸入適當(dāng)?shù)膮?shù)來計算二進(jìn)制分類器的幾乎所有性能度量的靈活性。例如，要生成precision-recall曲線，您需要輸入prec和rec。雖然沒有vignette，但包的文檔非常好。

下面的代碼使用包附帶的合成數(shù)據(jù)集并繪制默認(rèn)的ROCR ROC曲線。在本文中，我將使用相同的數(shù)據(jù)集。

1library(ROCR)

2## Loading required package: gplots

3##

4## Attaching package: 'gplots'

5## The following object is masked from 'package:stats':

6##

7## lowess

8# plot a ROC curve for a single prediction run

9# and color the curve according to cutoff.

10data(ROCR.simple)

11df

12pred

13perf

14plot(perf,colorize=TRUE)

pROC - 2010

從下載曲線可以明顯看出，pROC也很受數(shù)據(jù)科學(xué)家的歡迎。我喜歡它是因?yàn)楹苋菀椎玫紸UC的置信區(qū)間。

1library(pROC)

2## Type 'citation("pROC")' for a citation.

3##

4## Attaching package: 'pROC'

5## The following objects are masked from 'package:stats':

6##

7## cov, smooth, var

8pROC_obj

9smoothed = TRUE,

10# arguments for ci

11ci=TRUE, ci.alpha=0.9, stratified=FALSE,

12# arguments for plot

13plot=TRUE, auc.polygon=TRUE, max.auc.polygon=TRUE, grid=TRUE,

14print.auc=TRUE, show.thres=TRUE)

15

16

17sens.ci

18plot(sens.ci, type="shape", col="lightblue")

19## Warning in plot.ci.se(sens.ci, type = "shape", col = "lightblue"): Low

20## definition shape.

21plot(sens.ci, type="bars")

PRROC - 2014

雖然不像ROCR和pROC那么受歡迎，但PRROC最近似乎又卷土重來了。輸入的術(shù)語有點(diǎn)折衷，但是一旦您理解了ROC.curve()函數(shù)，就可以輕松地繪制出一條干凈的ROC曲線。正如vignette所指示，PRROC的創(chuàng)建實(shí)際上是為了做precision-recall曲線。

1library(PRROC)

2

3PRROC_obj

4curve=TRUE)

5plot(PRROC_obj)

plotROC - 2014

plotROC是使用ggplot()繪制ROC曲線的理想選擇。我的猜測是，它似乎只受到有限的歡迎，因?yàn)槲臋n使用了醫(yī)學(xué)術(shù)語，如“疾病狀態(tài)”和“標(biāo)記”。盡管如此，文檔(包括a vignette and a Shiny application)非常好。

該包提供了許多功能豐富的ggplot()幾何，可以生成復(fù)雜的圖形。下面的圖包含一些樣式，包括Clopper和Pearson(1934)精確的方法置信區(qū)間。

1library(plotROC)

2rocplot

3rocplot+ style_roc(theme= theme_grey)+ geom_rocci(fill="pink")

4

precrec - 2015

precrec是另一個繪制ROC和precision-recall曲線的庫。

1library(precrec)

2##

3## Attaching package: 'precrec'

4## The following object is masked from 'package:pROC':

5##

6## auc

7precrec_obj

8autoplot(precrec_obj)

evalmod()函數(shù)的參數(shù)選項(xiàng)使生成各種模型特性的基本圖變得很容易。

1precrec_obj2

2autoplot(precrec_obj2)

ROCit - 2019

ROCit是一種用于繪制ROC曲線和其他二元分類可視化的新工具，它在1月份迅速躥紅，并繼續(xù)流行。如果我通過下載自動過濾原始搜索，就永遠(yuǎn)不會發(fā)現(xiàn)它。默認(rèn)的圖包括Yourden’s J Statistic數(shù)據(jù)的位置。

1library(ROCit)

2## Warning: package'ROCit'was built under R version 3.5.2

3ROCit_obj

4plot(ROCit_obj)

其他一些可視化是可能的。下圖顯示了正面和負(fù)面反應(yīng)的累積密度。KS統(tǒng)計量顯示了兩條曲線之間的最大距離。

1ksplot(ROCit_obj)

在本文中，我試圖深入研究CRAN并揭示R所包含的用于繪制ROC曲線和其他二進(jìn)制分類器可視化的一些資源，但我只觸及了皮毛。此外，我故意忽略了許多用于特殊應(yīng)用程序的包，例如從審查生存數(shù)據(jù)計算時間相關(guān)的ROC曲線的survivalROC，以及包含評估交叉驗(yàn)證的AUC措施的功能的cvAUC。不過，我希望這個小練習(xí)能幫助您找到您要找的東西。返回搜狐，查看更多

責(zé)任編輯：

總結(jié)

以上是生活随笔為你收集整理的r roc函数_画ROC曲线的R包总结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。