R语言多个roc曲线花在一起 r语言roc曲线代码

如果没有时间精力学习代码，推荐了解：零代码数据挖掘课程

介绍其它用于ROC绘制的R包

library(tidyverse) # for data manipulation
library(pkgsearch) # for searching packages

找与ROC相关的包

该包会提供一系列关于感兴趣主题的R包，包括他们的评分，作者，连接等等

ps函数等价于pkg_search

size:定义返回结果数量

format="short"返回格式
Sys.setlocale('LC_ALL','C')
rocPkg 
head(rocPkg)
class(rocPkg)
[1] "C"
- "ROC" ------------------------------------- 74 packages in 0.01 seconds -
# package version
1 100 pROC 1.15.0
2 44 caTools 1.17.1.2
3 18 survivalROC 1.0.3
4 18 PRROC 1.3.1
5 15 plotROC 2.2.1
6 14 precrec 0.10.1
by @
Xavier Robin 2M
ORPHANED 4M
Paramita Saha-Chaudhuri 7y
Jan Grau 1y
Michael C. Sachs 1y
Takaya Saito 3M
[1] "pkg_search_result" "tbl_df" "tbl"
[4] "data.frame"
ROCR包
performance函数计算tpr,fpr
library(ROCR)
data(ROCR.simple)
df 
head(df)
## predictions labels
## 1 0.6125478 1
## 2 0.3642710 1
## 3 0.4321361 0
## 4 0.1402911 0
## 5 0.3848959 0
## 6 0.2444155 1
pred 
perf 
perf
plot(perf,colorize=TRUE)

image.png

plotROC包-ggplot绘制ROC曲线

ROC曲线用于评估连续测量的精度，以预测二进制结果。在医学上，ROC曲线用于评价放射学和一般诊断的诊断试验有着悠久的历史。ROC曲线在信号检测理论中也有很长的应用历史。

require(plotROC)

提供网页版操作，为了代码的连贯性，这里不介绍网页版

不可能我们分析到一般导出数据，拿到网页版去操作

基本用法

set.seed(2529)
D.ex 
M1 
M2 
test 
M1 = M1, M2 = M2, stringsAsFactors = FALSE)
head(test)
## D D.str M1 M2
## 1 1 Ill 1.48117155 -2.50636605
## 2 1 Ill 0.61994478 1.46861033
## 3 0 Healthy 0.57613345 0.07532573
## 4 1 Ill 0.85433197 2.41997703
## 5 0 Healthy 0.05258342 0.01863718
## 6 1 Ill 0.66703989 0.24732453

geom_roc绘图

d为编码1/0, m为用于预测的值marker

注意需要一个disease code,不一定是1/0，但最后选择编码为1/0

如不1/0，则stat_roc默认按顺序最低值为无病状态

basicplot 
basicplot

image.png

如果diseaase编码非1/0

提示warning:但仍能继续

ggplot(test, aes(d = D.str, m = M1)) + geom_roc()

image.png

n.cuts参数：展示几个截断点

labelsize: 展示标签的大小

labelround: label值保留几位小数

ggplot(test, aes(d = D, m = M1)) + geom_roc(n.cuts = 5, labelsize = 5, labelround = 2)

修改style-style_roc函数

styledplot

styledplot

image.png

修改xlab, 主题

basicplot + style_roc(theme = theme_grey, xlab = "1 - Specificity")

image.png

multiROC-多因素诊断

meltroc转换数据为长数据,原数据为两列marker

meltroc类似于dplyr中的gather

head(test)
## D M name
## M11 1 1.48117155 M1
## M12 1 0.61994478 M1
## M13 0 0.57613345 M1
## M14 1 0.85433197 M1
## M15 0 0.05258342 M1
## M16 1 0.66703989 M1
longtest 
head(longtest)
table(longtest$name)
## ROC曲线比较
ggplot(longtest, aes(d = D, m = M, color = name)) +
geom_roc() +
style_roc()+
ggsci::scale_color_lancet()

image.png

ggplot2分面

ggplot(longtest, aes(d = D, m = M, color = name)) +
geom_roc() +
style_roc()+
facet_wrap(~name)+
ggsci::scale_color_lancet()

image.png

主题与注释

AUC计算并绘制在图中-calc_auc函数

calc_auc(basicplot)$AUC提取
basicplot +
style_roc(theme = theme_grey) + ##主题修改
theme(axis.text = element_text(colour = "blue")) +
ggtitle("Themes and annotations") + ## 标题
annotate("text", x = .75, y = .25, ## 注释text的位置
label = paste("AUC =", round(calc_auc(basicplot)$AUC, 2))) +
scale_x_continuous("1 - Specificity", breaks = seq(0, 1, by = .1)) ## x刻度
## Scale for 'x' is already present. Adding another scale for 'x', whi

image.png

对multi_ROC注释

实现多个AUC值的呈现

实际上仍然是ggplot2语法中的annotate注释

p
geom_roc(n.cuts = 0) +
style_roc()+
ggsci::scale_color_lancet()
auc
head(auc)
## PANEL group AUC
## 1 1 1 0.833985
## 2 1 2 0.679599
p+annotate("text",x = .75, y = .25, ## 注释text的位置
label = paste("AUC of M1 =", round(calc_auc(p)$AUC[1], 2))) +
annotate("text",x = .75, y = .15, ## 注释text的位置)
label=paste("AUC of M2 =", round(calc_auc(p)$AUC[2], 2)))

其它计算ROC曲线的算法融入

默认的calculate_roc 计算的是 empirical ROC曲线

只要有cutoff, TPF,FPF即可计算，将这些结果以数据框的形式传入到 ggroc 函数

代替默认的统计方法为identity

require(plotROC)
require(ggplot2)
set.seed(2529)
D.ex 
M1 
M2 
test 
M1 = M1, M2 = M2, stringsAsFactors = FALSE)
head(test)
## D D.str M1 M2
## 1 1 Ill 1.48117155 -2.50636605
## 2 1 Ill 0.61994478 1.46861033
## 3 0 Healthy 0.57613345 0.07532573
## 4 1 Ill 0.85433197 2.41997703
## 5 0 Healthy 0.05258342 0.01863718
## 6 1 Ill 0.66703989 0.24732453
D.ex 
M.ex 
mu1 
mu0 
s1 
s0 
c.ex 
## 构造数据框传入数据
binorm.roc 
FPF = pnorm((mu0 - c.ex)/s0),
TPF = pnorm((mu1 - c.ex)/s1)
)
head(binorm.roc)
binorm.plot 
geom_roc(stat = "identity") + style_roc(theme = theme_grey)
binorm.plot

image.png

时间依赖的ROC曲线

配合survival ROC包

配合lapply函数实现批量绘图

lappy的结果返回为list,刚好输入do.call

require(ggplot2)
require(plotROC)
library(survivalROC)
survT 
cens 
M 
### 时间2,5,10
sroc 
stroc 
predict.time = t, method = "NNE", ## KM法或NNE法
span = .25 * 350^(-.2))
data.frame(TPF = stroc[["TP"]], FPF = stroc[["FP"]],
c = stroc[["cut.values"]],
time = rep(stroc[["predict.time"]], length(stroc[["FP"]])))
})
## 整合到数据框中
sroclong 
class(sroclong)
## [1] "data.frame"
head(sroclong)
## TPF FPF c time
## 1 1 1.0000000 -Inf 2
## 2 1 0.9970286 -96.21091 2
## 3 1 0.9940573 -89.13315 2
## 4 1 0.9910859 -80.53402 2
## 5 1 0.9881145 -70.53104 2
## 6 1 0.9851431 -67.81392 2
sroclong$time
## 绘制ROC
pROC
geom_roc(labels = FALSE, stat = "identity") +
style_roc()+
ggsci::scale_color_jco()
pROC

image.png

*添加注释
pROC+annotate("text",x = .75, y = .25, ## 注释text的位置
label = paste("AUC of 1 years =", round(calc_auc(pROC)$AUC[1], 2))) +
annotate("text",x = .75, y = .15, ## 注释text的位置)
label=paste("AUC of 3 years =", round(calc_auc(pROC)$AUC[2], 2)))+
annotate("text",x = .75, y = .05, ## 注释text的位置)
label=paste("AUC of 5 years =", round(calc_auc(pROC)$AUC[3], 2)))

image.png