R语言：ROC 曲线绘制及AUC、截断值、灵敏度、特异度、准确度等结果计算

 R语言：ROC 曲线绘制及AUC、截断值、灵敏度、特异度、准确度等结果计算

        ROC曲线的横坐标为假阳性率（假阳性率，FPR）即1-特异度；纵坐标为真阳性率（真阳性率，TPR），也称为灵敏度。
        通常我们可以计算ROC的曲线下面积（roc曲线下面积，auc）表示预测模型的好坏。auc的值介于0.5~1.0，较大的auc代表了较好的预测效果。
        AUC为0.5时，即完全随机，说明该模型没有预测作用;AUC为1时，即完全一致说明该模型的预测结果与实际结果完全一致。在实际应用中，很难找到完全一致的预测模型。AUC在 0.50~0.70为较低准确度，AUC在0.71~0.90为中等准确度，AUC高于0.90为高准确度。

代码如下：（基于二分类资料的ROC 曲线绘制）

# 利用 library()函数加载pROC包，利用包中的read_xlsx(file.choose())读取 xlsx格式数据

library(pROC)
mydata<-read_xlsx(file.choose())

str(mydata)
head(mydata,1)
roc1 <- roc(outcome~TSH,data=mydata)

#将结果在roc1中，TSH为其中检验变量，outcome为结局变量。
auc(roc1) #求AUC面积
ci.auc(roc1)#求置信区间
coords(roc1, x="best", ret="all", transpose = FALSE)