R語(yǔ)言實(shí)現(xiàn)漂亮的ROC圖效果

更新時(shí)間：2022年06月07日 14:49:51 作者：科研君

pROC是一個(gè)專(zhuān)門(mén)用來(lái)計(jì)算和繪制ROC曲線的R包，目前已被CRAN收錄，因此安裝也非常簡(jiǎn)單，同時(shí)該包也兼容ggplot2函數(shù)繪圖，本次就教大家怎么用pROC來(lái)快速畫(huà)出ROC圖，感興趣的朋友一起看看吧

pROC是一個(gè)專(zhuān)門(mén)用來(lái)計(jì)算和繪制ROC曲線的R包，目前已被CRAN收錄，因此安裝也非常簡(jiǎn)單，同時(shí)該包也兼容ggplot2函數(shù)繪圖，本次就教大家怎么用pROC來(lái)快速畫(huà)出ROC圖。在醫(yī)學(xué)領(lǐng)域主要用于判斷某種因素對(duì)于某種疾病的診斷是否有診斷價(jià)值。什么是ROC曲線和AUC，以及如何去看ROC曲線的結(jié)果，可以這樣總結(jié)：ROC曲線呢，其實(shí)就是每個(gè)對(duì)應(yīng)的cutoff值都有一個(gè)對(duì)應(yīng)的真陽(yáng)性率（縱坐標(biāo)）和假陽(yáng)性率（橫坐標(biāo)），比如選擇了10個(gè)cutoff值，那就相當(dāng)于有個(gè)10個(gè)點(diǎn)，把這些點(diǎn)連成一條線就是ROC曲線。AUC值就是ROC曲線下的面積,一般認(rèn)為AUC值在0.7~1之間，模型預(yù)測(cè)的結(jié)果才有效。TPR(真陽(yáng)性率) = TP（真陽(yáng)）/（TP(真陽(yáng)) + FN(假陰)），F(xiàn)PR(假陽(yáng)性率) = FP(假陽(yáng)) / (FP(假陽(yáng)) + TN(真陰))。比如下面的一個(gè)模型預(yù)測(cè)后的數(shù)據(jù)結(jié)果：

上圖中如果選cutoff值為0.5時(shí)
TPR = 5 /（5 + 0）= 1，
FPR = 2 / (2 + 3) = 0.4, 
預(yù)測(cè)的準(zhǔn)確性 = (TP + TN )/ 總的樣本數(shù) = (5 + 3)/10 = 0.8

好了，話不多說(shuō)，我們直接上代碼

1.讀取數(shù)據(jù)

library(openxlsx)
ROC <- read.xlsx("ROC曲線.xlsx")

2.AUC和CI的計(jì)算

library(pROC)
## roc的計(jì)算，可以一次性批量計(jì)算a、b、c三組數(shù)據(jù)
res<-roc(outcome~a+b+c,data=ROC,aur=TRUE,
         ci=TRUE, # 顯示95%CI
         # percent=TRUE, ##是否需要以百分比顯示
         levels=c('group1','group2'),direction=">" #設(shè)置分組方向
         )
## 平滑曲線的ROC結(jié)果
smooth<-roc(outcome~a+b+c,data=ROC,aur=TRUE,
         ci=TRUE, # 顯示95%CI
         # percent=TRUE, ##是否需要以百分比顯示
         smooth=TRUE,
         levels=c('group1','group2'),direction=">" #設(shè)置分組方向
         )

顯示非平滑ROC曲線的結(jié)果

res
Call:
roc.formula(formula = outcome ~ a, data = ROC, aur = TRUE, ci = TRUE,     levels = c("group1", "group2"), direction = ">")
Data: a in 40 controls (outcome group1) > 32 cases (outcome group2).
Area under the curve: 0.7328
95% CI: 0.6171-0.8485 (DeLong)
$b
Call:
roc.formula(formula = outcome ~ b, data = ROC, aur = TRUE, ci = TRUE,     levels = c("group1", "group2"), direction = ">")

Data: b in 40 controls (outcome group1) > 32 cases (outcome group2).
Area under the curve: 0.8234
95% CI: 0.7303-0.9165 (DeLong)
$c
Call:
roc.formula(formula = outcome ~ c, data = ROC, aur = TRUE, ci = TRUE,     levels = c("group1", "group2"), direction = ">")

Data: c in 40 controls (outcome group1) > 32 cases (outcome group2).
Area under the curve: 0.9242
95% CI: 0.8679-0.9805 (DeLong)

3.利用ggplot2繪圖

library(ggplot2)
pa<- ggroc(smooth$a, 
       legacy.axes = TRUE # 將X軸改為0-1，（默認(rèn)是1-0）
       )+
   geom_segment(aes(x = 0, xend = 1, y = 0, yend = 1), 
                color="darkgrey", linetype=4)+
 theme_bw() +# 設(shè)置背景
 ggtitle('a-ROC')
pb<- ggroc(smooth$b, legacy.axes = TRUE)+geom_segment(aes(x = 0, xend = 1, y = 0, yend = 1), color="darkgrey", linetype=4)+theme_bw() +ggtitle('b-ROC')
pc<- ggroc(smooth$c, legacy.axes = TRUE)+geom_segment(aes(x = 0, xend = 1, y = 0, yend = 1), color="darkgrey", linetype=4)+theme_bw() +ggtitle('c-ROC')
cowplot::plot_grid(pa,pb,pc,labels = "AUTO",nrow = 1)

4.合并多個(gè)ROC曲線結(jié)果

ggroc(smooth, legacy.axes = TRUE)+
    geom_segment(aes(x = 0, xend = 1, y = 0, yend = 1), color="darkgrey", linetype=4)+
    theme_bw()+ggtitle('ROC')+ggsci::scale_color_lancet()+
    annotate("text",x=0.75,y=0.125,label=paste("a-AUC = ", round(res$a$auc,3)))+
    annotate("text",x=0.75,y=0.25,label=paste("b-AUC = ", round(res$b$auc,3)))+
    annotate("text",x=0.75,y=0.375,label=paste("c-AUC = ", round(res$c$auc,3)))