r语言 roc曲线代码

ROC曲线是一种常用的分类模型性能评估方法，用于评估二分类模型在不同阈值下的准确率和召回率之间的权衡。在R语言中，可以使用“pROC”包来绘制ROC曲线。下面是一个简单的例子：

library(pROC)
# 生成随机数据
set.seed(123)
actual <- sample(c(0,1), 100, replace = TRUE)
predicted <- rnorm(100)
# 计算ROC曲线
roc_curve <- roc(actual, predicted)
# 绘制ROC曲线
plot(roc_curve, main="ROC Curve", col="blue", lwd=2)
# 添加对角线，表示随机猜测的准确率
lines(c(0,1), c(0,1), col="red", lty=2, lwd=2)
# 添加AUC值
auc <- round(auc(roc_curve), 2)
legend("bottomright", paste("AUC = ", auc), cex=1.2, bty='n')

上述代码中，我们首先使用随机数据生成了实际标签和预测标签。然后，使用“roc()”函数计算ROC曲线，该函数需要两个参数：实际标签和预测标签。最后，我们使用“plot()”函数绘制ROC曲线，并使用“lines()”函数添加对角线，表示随机猜测的准确率。我们还使用“auc()”函数计算AUC，并使用“legend()”函数将AUC值添加到图例中。

需要注意的是，这只是一个简单的例子，实际应用中可能需要根据数据集和研究问题进行更复杂的调整。