p-r曲线绘制 r语言

p-r曲线通常用于绘制ROC (Receiver Operating Characteristic) 曲线，这是一种评估二分类模型性能的图形工具。在R语言中，`roc.curve()` 函数通常由`ROCR`包提供支持，步骤如下：

1. 首先，确保已经安装了`ROCR`库，如果没有可以使用`install.packages("ROCR")`命令安装。

2. 加载`ROCR`包：

   library(ROCR)

3. 对于二分类问题，你需要模型的预测概率（positive class的概率）和实际标签。假设你有一个名为`pred_prob`的向量表示预测概率，和`observed_class`的向量表示实际类别（0或1）：

   pred <- prediction(pred_prob, observed_class)

4. 使用`performance(pred, "tpr", "fpr")`计算TPR (True Positive Rate, 又称召回率) 和FPR (False Positive Rate) 的值，并创建一个数据框或列表存储结果：

   pr_data <- performance(pred, measure = c("tpr", "fpr"))

5. 最后，使用`plot(pr_data)`绘制p-r曲线。这将展示随着阈值变化，模型的真阳性率如何随假阳性率上升而变化：

   plot(pr_data, main="ROC Curve", col="blue")

你可以通过`abline(a=0, b=1, lty=2)`添加一条对角线作为随机猜测的界限，以及`legend(...)`添加图例等进一步定制图形。