用R语言画多组ROC曲线

在R语言中，可以使用pROC包来画多组ROC曲线。下面是一个简单的例子：

首先，我们需要安装和加载pROC包：

install.packages("pROC")
library(pROC)

然后，我们需要准备数据。在这个例子中，我们使用UCI机器学习库中的乳腺癌数据集（Breast Cancer Wisconsin (Diagnostic) Data Set）。我们将使用数据集中的两个变量：诊断结果（M或B）和一个数值变量（radius_mean）。

# 导入数据
data("breast_cancer")

# 选择需要的变量
data <- breast_cancer[, c("diagnosis", "radius_mean")]

# 将诊断结果转换为二元变量
data$diagnosis <- ifelse(data$diagnosis == "M", 1, 0)

接下来，我们将数据集分成训练集和测试集，并训练一个逻辑回归模型：

# 随机分割数据集
set.seed(123)
trainIndex <- sample(nrow(data), 0.7 * nrow(data))
trainData <- data[trainIndex, ]
testData <- data[-trainIndex, ]

# 训练逻辑回归模型
model <- glm(diagnosis ~ radius_mean, data = trainData, family = binomial)

现在，我们可以使用pROC包中的roc函数来计算ROC曲线的各种度量标准，并使用plot函数来画ROC曲线。我们可以在同一张图上绘制多组ROC曲线，以比较不同模型的性能。在这个例子中，我们将比较逻辑回归模型在训练集和测试集上的性能：

# 计算训练集和测试集的ROC曲线
trainROC <- roc(trainData$diagnosis, model$fitted.values)
testROC <- roc(testData$diagnosis, predict(model, newdata = testData, type = "response"))

# 画ROC曲线
plot(trainROC, col = "red", main = "ROC Curves", print.thres = c(0.5),
     legacy.axes = TRUE, print.auc = TRUE, print.auc.y = 0.3)
lines(testROC, col = "blue")
legend("bottomright", legend = c("Train", "Test"), lty = 1, col = c("red", "blue"))

这将产生一张包含训练集和测试集ROC曲线的图表，如下所示：


在这个例子中，我们可以看到逻辑回归模型在训练集和测试集上都表现良好，但测试集上的性能稍微差一些。