Question

我正在绘制ROC并测量部分AUC作为生态位模型质量的度量。当我在R工作时，我正在使用ROCR和pROC包。我会选择使用它，但就目前而言，我只是想看看它们是如何表现的，以及是否能更好地满足我的需求。

让我感到困惑的一件事是，在绘制ROC时，轴如下：

ROCR

x axis: 'true positive rate' 0 -> 1
y axis: 'false positive rate', 0 -> 1

PROC

x axis: 'sensitivity' 0 -> 1
y axis: 'specificity' 1 -> 0.

但如果我使用两种方法绘制ROC，它们看起来完全相同。所以我只想确认一下：

true positive rate = sensitivity

false positive rate = 1 - specificity.

这是一个可重复的例子：

obs<-rep(0:1, each=50)
pred<-c(runif(50,min=0,max=0.8),runif(50,min=0.3,max=0.6))
plot(roc(obs,pred))

ROCRpred<-prediction(pred,obs)
plot(performance(ROCRpred,'tpr','fpr'))

Answer 1

为了证实，你的正确率是正确率=敏感性和假阳性率= 1 - 特异性。在您的示例中，从ROCR包中绘制ROCR性能对象的组件的顺序是关键。在最后一行中，第一个性能指标，真阳性率'tpr'绘制在y轴measure = 'tpr'上，第二个性能指标，假阳性率绘制在x轴{{1}上}

x.measure = 'fpr'

Answer 2

只是说，对于pROC包，如果您在地图代码中包含以下内容：

plot(roc(obs,pred), legacy.axes = TRUE)

然后你最终得到一个反转的x轴。

Answer 3

据我所知：

TPR = sensitivity = TP/(TP/FN) -> y axis: [0, 1]

FPR = 1 - specificity = 1 - (TN/(FP+TN)) -> x axis: [0, 1]

但是，当图表显示x轴的特异性（真实负率）时，范围是[1,0]。

在这两种情况下，图表都是相同的。

您可以在维基百科页面中查看here。

用ROCR和pROC绘制R中的ROC

3 个答案: