安裝 ROCR

先進入 R

Lee-Kevinteki-MacBook:~ kevet$  R

安裝 ROCR

> install.packages("ROCR", repos = "http://cran.csie.ntu.edu.tw")

測試呼叫

> library(ROCR) 

Loading required package: gplots
Loading required package: gtools
Loading required package: gdata
gdata: read.xls support for 'XLS' (Excel 97-2004) files ENABLED.

gdata: read.xls support for 'XLSX' (Excel 2007+) files ENABLED.

Attaching package: ‘gdata’

The following object(s) are masked from ‘package:stats’:

    nobs

The following object(s) are masked from ‘package:utils’:

    object.size

Loading required package: caTools
Loading required package: bitops
Loading required package: grid
Loading required package: KernSmooth
KernSmooth 2.23 loaded
Copyright M. P. Wand 1997-2009

Attaching package: ‘gplots’

The following object(s) are masked from ‘package:stats’:

    lowess

註解

在醫學上診斷疾病所使用的檢查產生了多種類型的結果，有一些結果僅簡單的
呈現陽性或陰性，而有一些檢驗的結果為一個連續的數值Ƕ在這兩種的情況下，指
定一個分界點(cut-point)來區分檢驗的陽性與陰性可能都是任意的Ƕ這個分界點的
指定會影響到診斷工作的敏感度(sensitivity)及特異度(specificity)，其中敏感度表示
有病者被判為陽性的機率，而特異度表示無病者被判為陰性的機率Ƕ在處理這些問
題的時候，很多時候常利用 ROC  曲線(Receiver operating characteristic curve)來評估Ƕ
ROC 曲線為一個用來呈現篩檢試驗敏感度(sensitivity)及1-特異度(specificity)的圖形，
 
其中 X 軸為 1-特異度，又稱為偽陽性率(false positive)，而 Y 軸為敏感度(ture positive) 
，任何一個在曲線上的點都會對應到一個檢驗的用以區分陽性或陰性的分界點Ƕ




ROC 曲線在判別時，會以對角線為一個參考線，若是檢驗工具的 ROC 曲線剛
好落在對角的參考線上，則表示檢驗工具對於此疾病的診斷沒有鑑別性Ƕ若是 ROC
曲線愈往圖形的左上方移動表示檢驗工具對於疾病的敏感度愈高ǵ且偽陽性率愈低，
亦即此工具的鑑別力較佳Ƕ 
 
一般在判別檢驗工具的好壞時，除了看曲線的圖形之外，也可以利用曲線下的
面積(Area Under Curve, AUC)來判別 ROC 曲線的鑑別力，AUC 數值的範圍從 0 到
1，數值愈大愈好Ƕ以下為 AUC 數值一般的判別規則如下： 
 
AUC = 0.5       幾乎沒有判別力( no discrimination) 
0.7ɩAUC < 0.8     可接受的判別力(acceptable discrimination) 
0.8ɩAUC < 0.9     好的判別力(excellent discrimination) 
AUC  ɪ0.9        非常好的判別力(outstanding discrimination)