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。
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')
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 。
2014年
该软件包提供了许多功能丰富的ggplot()几何图形 。
2015年
precrec 是另一个用于绘制ROC的库。
evalmod()函数可以很容易地生成各种模型特征的基本图。
2019
ROCit是一个用于绘制ROC曲线和其他二进制分类可视化效果的新程序包 ，并且正在迅速普及。
下图显示了CDF累积密度。KS统计数据显示两条曲线之间的最大距离。
ksplot(ROCit_obj)
