原文链接:http:///?p=10963 在本文中,我描述了如何在CRAN中搜索用于绘制ROC曲线的包,并重点介绍了六个有用的包(点击文末“阅读原文”获取完整代码数据)。 我使用pkgsearch来搜索CRAN并查看其中的内容。该package_search() 函数将文本字符串作为输入,并使用基本的文本挖掘技术来搜索所有CRAN。 经过一番尝试和错误之后,我确定了以下查询,其中包括许多与ROC相关的有趣软件包。
rocPkg <- pkg_search(query="ROC",size=200)
rocPkgShort <- rocPkg %>%filter(maintainer_name != "ORPHANED", score > 190) %>%select(score, package, downloads_last_month) %>%arrange(desc(downloads_last_month))head(rocPkgShort) ## # A tibble: 6 x 3## score package downloads_last_month## <dbl> <chr> <int>## 1 690. ROCR 56356## 2 7938. pROC 39584## 3 1328. PRROC 9058## 4 833. sROC 4236## 5 266. hmeasure 1946## 6 1021. plotROC 1672
下图使用了Guangchuang Yu的dlstats 软件包,查看我选择分析的六个软件包的下载历史记录。
library(dlstats)shortList <- c("pROC","precrec","ROCit", "PRROC","ROCR","plotROC")downloads <- cran_stats(shortList)ggplot(downloads, aes(end, downloads, group=package, color=package)) +geom_line() + geom_point(aes(shape=package)) +scale_y_continuous(trans = 'log2')
2005年以下代码ROCR 使用包随附的综合数据集设置并绘制默认的ROC曲线。在整个文章中,我将使用相同的数据集。
library(ROCR)## Loading required package: gplots#### Attaching package: 'gplots'## The following object is masked from 'package:stats':#### lowess # 为单个预测绘制ROC曲线,并对曲线进行着色。
data(ROCR.simple)df <- data.frame(ROCR.simple)pred <- prediction(df$predictions, df$labels)perf <- performance(pred,"tpr","fpr")plot(perf,colorize=TRUE)
2010 pROC 在图中绘制曲线下面积(AUC)的置信区间非常容易。
2014年roc.curve() 函数会绘制出干净整齐的ROC曲线 。
|