R语言SVM的ROC曲线

要绘制SVM的ROC曲线，可以使用以下代码：

# 加载必要的库
library(e1071)
library(pROC)

# 加载数据
data(iris)
iris$Species <- factor(ifelse(iris$Species == "setosa", "setosa", "non-setosa"))

# 拆分数据集
set.seed(123)
train.index <- sample(nrow(iris), 100)
train <- iris[train.index, ]
test <- iris[-train.index, ]

# 训练SVM模型
svm.model <- svm(Species ~ ., data = train, kernel = "linear", probability = TRUE)
summary(svm.model)

# 预测测试集
svm.pred <- predict(svm.model, newdata = test, probability = TRUE)

# 计算ROC曲线和AUC
svm.roc <- roc(test$Species, svm.pred[, 2], levels = c("setosa", "non-setosa"))
svm.auc <- auc(svm.roc)

# 绘制ROC曲线
plot(svm.roc, col = "blue", main = paste("SVM ROC Curve (AUC = ", round(svm.auc, 2), ")"))
lines(0:1, 0:1, col = "gray")

这段代码使用了iris数据集，并将Species列中的setosa类别作为正类别，其他类别作为负类别。然后，它将数据集拆分为训练集和测试集，并使用线性核函数训练了一个SVM模型。接下来，它用预测概率计算了ROC曲线和AUC，并将其绘制出来。