原文链接：http://tecdat.cn/?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。
尽管我从一些我想谈论的软件包开始就有了一些想法，例如ROCR和pROC（我在过去发现它们很有用），但我还是决定使用 相对较新的软件包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。
library(tidyverse) # for data manipulation
library(dlstats) # for package download stats
library(pkgsearch) # for searching packages
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为了完成选择过程，我做了艰苦的工作，浏览软件包的文档，以挑选出我认为通常对大多数数据科学家有用的内容。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使用包装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
# plot a ROC curve for a single prediction run
# and color the curve according to cutoff.
data(ROCR.simple)
df <- data.frame(ROCR.simple)
pred <- prediction(df$predictions, df$labels)
perf <- performance(pred,"tpr","fpr")
plot(perf,colorize=TRUE)## Loading required package: gplots##
## Attaching package: ‘gplots‘## The following object is masked from ‘package:stats‘:
##
## lowess
?
pROC也受到数据科学家的欢迎。我喜欢AUC在图中绘制曲线下面积的置信区间非常容易。
?
该roc.curve()函数 会绘制出干净整齐的ROC曲线 。
?
该软件包提供了许多功能丰富的ggplot()几何图形 。
?
precrec 是另一个用于绘制ROC和精确调用曲线的库。
##
## Attaching package: ‘precrec‘## The following object is masked from ‘package:pROC‘:
##
## auc
?
该evalmod()函数的参数选项使生成各种模型特征的基本图变得容易。
?
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。
## Warning: package ‘ROCit‘ was built under R version 3.5.2
?
下图显示了正响应和负响应的累积密度。KS统计数据显示两条曲线之间的最大距离。
ksplot(ROCit_obj)
?
大数据部落 -中国专业的第三方数据服务提供商，提供定制化的一站式数据挖掘和统计分析咨询服务
统计分析和数据挖掘咨询服务：y0.cn/teradat（咨询服务请联系官网客服）
?QQ：3025393450
?QQ交流群：186388004 
【服务场景】
科研项目; 公司项目外包;线上线下一对一培训;数据爬虫采集;学术研究;报告撰写;市场调查。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询
欢迎选修我们的R语言数据分析挖掘必知必会课程！
原文：https://www.cnblogs.com/tecdat/p/12327305.html