如果大家看到过做预测模型的文章，肯定对ROC不陌生：

A receiver operating characteristic curve, or ROC curve, is a graphical plot that illustrates the diagnostic ability of a binary classifier system as its discrimination threshold is varied.

简单说，ROC 曲线（接收者操作特征曲线）就是一种显示二分类模型在所有分类阈值下的效果的图形画表示。

今天就给大家写一个用R语言做ROC的完整实例，大家先点赞，再往下看哈。嘿嘿。

数据说明

今天的文章还是接着昨天的文章写，R数据分析：如何做逻辑斯蒂回归，使用的数据都在前面这篇文章中有介绍。

在上面的文章中，我不是建立了两个模型嘛，一个叫做gpamodel,一个叫做full model：

gpaModel <- glm(admit ~ gpa, data = myData, family = "binomial")
fullModel <- glm(admit ~ gpa + gre + rank, data = myData, family = "binomial")

两者的区别就是纳入的自变量不一样，那么今天我要做的就是用ROC来评价一下这两个模型哪一个更好。

具体操作

install.packages("ROCR")
library(ROCR)
probFull <- predict(fullModel, myData, type = "response")
predictFull <- prediction(probFull, myData$admit)
perfFull <- performance(predictFull, measure = "tpr", x.measure = "fpr")

上面的代码首先是安装和加载包，然后是使用predict方法得到全模型对原始数据的预测概率probFull，然后用prediction方法将预测概率转化为标准化：

Every classifier evaluation using ROCR starts with creating a prediction object. This function is used to transform the input data (which can be in vector, matrix, data frame, or list form) into a standardized format.

这个标准化的转化是一个必须的步骤，然后我们就可以用performance方法来评估模型的预测能力了，在这个方法中我们规定了两个测量，分别是tpr和fpr，即真阳性率和假阳性率，就是我们画ROC曲线的两个必要指标。

好了，

有了这些我们就可以出图了：

plot(perfFull, col = "blue")

同样的方法，我们画出gpaModel的ROC曲线：

probGpa <- predict(gpaModel, myData, type = "response")
predictGpa <- prediction(probGpa, myData$admit)
perfGpa <- performance(predictGpa, measure = "tpr", x.measure = "fpr")

plot(perfGpa, add = TRUE)

完美！

现在，我们其实能够看出来，第二支曲线的AUC要小，当然我们也可以输出我们的AUC看一看的：

aucFull <- performance(predictFull, measure = "auc")
aucGpa <- performance(predictGpa, measure = "auc")
aucFull@y.values
aucGpa@y.values

看到没，确实我们的全模型的AUC比只有gpa的模型的AUC要大，这个就说明全模型的预测表现更好。

小结

今天给大家写了一个R语言做ROC曲线和曲线下面积的实例，感谢大家耐心看完。发表这些东西的主要目的就是督促自己，希望大家关注评论指出不足，一起进步。内容我都会写的很细，用到的数据集也会在原文中给出链接，你只要按照文章中的代码自己也可以做出一样的结果，一个目的就是零基础也能懂，因为自己就是什么基础没有从零学Python和R的，加油。

（站外链接发不了，请关注后私信回复“数据链接”获取本头条号所有使用数据）

往期内容：

R数据分析：如何做逻辑斯蒂回归

机器学习：逻辑回归分类器（一）

机器学习：朴素贝叶斯的机理

机器学习：用例子手撕朴素贝叶斯

R数据分析：贝叶斯定理的R语言模拟