vlambda博客
学习文章列表

投稿/科研合作：[email protected]

联系我们：137704924或372699348

群1-5：科研讨论、文献汇报群

网站：http://www.sleep-brain.com/

1. R软件安装：

首先进入 https://cran.r-project.org/

点击download R

找到中国的下载链接网址：

选择Download R for Windows

选择install R for the first time.

选择Download R 4.0.0 for Windows，安装下即可。

2. 安装rtools软件包：

在https://cran.rstudio.com/bin/windows/Rtools/网址下载rtools软件包，并安装（安装最新版R 4.0需要安装）。

3.安装ROC曲线软件包：

打开Rstudio，点击右下角Packages下面的install，输入ROCR，点击install，自动会在左侧界面安装。

同理，输入glmnet安装该插件。

4.运行ROC曲线

（1）准备数据

首先，准备好数据，放在Excel文件内，这个excel命名为ROC.csv格式。这个文件放在D盘的ReseachSoftwore文件夹下级的Rstudio文件内。

即：D:\\ReseachSoftwore\\Rstudio

（2）设置路径、数据读取

在Rstudio中输入以下代码，设置路径到报保存.csv格式数据当前路径下：

setwd("D:\\ReseachSoftwore\\Rstudio\\")
再输入以下代码，读取数据（数据为：ROCdata.csv）：

logistic_data<-read.csv("ROCdata.csv")

（3）建立Logistic回归模型

分别输入：

library(glmnet)#Logistic

以及

fit1<-glm(Group~index1+index2+index3,data=logistic_data,family = binomial()) 

其中，index1、index2和index3分别是要分析的3个指标，本次目的就是看这三个指标联合区分group2组的敏感性特异性。

（4）利用建立的Logistic回归模型，对数据进行预测

输入：概率预测值

prob1<-predict(fit1,newdata = logistic_data,type = "response")

（5）绘制预测结果的ROC曲线，计算曲线下面积AUC值

分别输入：

library(ROCR)

predic1<-prediction(prob1,logistic_data$outcome)

performance(predic1,"auc")@y.values[[1]]

plot(performance(predic1,"tpr","fpr"),print.auc=TRUE,colorize=T,lwd=3,main="ROC Curves")

（6）美化图片

abline(a=0,b=1,lty=2,lwd=3,col="black")

（7）所有代码汇总如下：

D:\\ReseachSoftwore\\Rstudio

logistic_data<-read.csv("ROCdata.csv")

library(glmnet)#Logistic

fit1<-glm(Group~index1+index2+index3,data=logistic_data,family = binomial()) 

prob1<-predict(fit1,newdata = logistic_data,type = "response")

library(ROCR)

predic1<-prediction(prob1,logistic_data$outcome)

performance(predic1,"auc")@y.values[[1]

plot(performance(predic1,"tpr","fpr"),print.auc=TRUE,colorize=T,lwd=3,main="ROC Curves")