导读
1. ROC曲线：
ROC曲线(receiver operating characteristic curve，简称ROC曲线)，以真阳性率(灵敏度)为纵坐标，假阳性率(1-特异度)为横坐标绘制的曲线。ROC最初是在二战中被提出的信号检测理论，后来又被引入了心理学进行信号的知觉检测，现在ROC曲线已经成为非常重要和常见的统计分析方法。
2. ROC分析：
ROC分析首先是根据学习器的预测结果对样例进行排序，按此顺序逐个把样本作为正例进行预测，每次计算出两个重要量的值（TPR、FPR），分别以它们为横、纵坐标作图。AUC的值是ROC曲线下面积的大小，用来评价分类器的performance。通常，AUC的值介于0.5到1.0之间，较大的AUC代表了较好的performance。
如何制作如下图的多指标ROC曲线？
一、软件准备
- R：利用rnorm函数产生随机数，作为graphpad绘图的输入文件。
- Graphpad prism5：绘制ROC曲线。
二、过程
1. 利用R模拟输入文件
产生两组正态分布随机数，控制mean和SD。
GroupA <- as.data.frame(rnorm (30, mean=10, sd=5))
GroupB <- as.data.frame(rnorm (30, mean=15, sd=5))保存。将两组数据均分给Genus和Phylum。
write.xlsx(data1, file="C:/mywd/data1.xlsx")
write.xlsx(data2, file="C:/mywd/data2.xlsx")-
整理后如下：
R模拟数据.png
2. 打开graph prism5，Creat一个column图。
3. 重命名Data Table，向graphpad表格中粘入Genus数据，点击analysis，选择ROC curve，OK确定。
4. 勾选Line of identity，OK确定。graphpad进行ROC分析和绘图。
5. 点击Area查看AUC值、P值等统计结果。点击ROC of Genus查看ROC曲线。
6. 依次点击File, New, New Data Table and Graph新建一个数据表。
7. 按照相同的方法得到第二个指标的ROC图，ROC of Phylum。
8. 合并两个ROC曲线。双击ROC图进入Format Graph，依次点击Data Sets on Graph，ROC of Phylum B Identify %，Add。在新弹出的Add Data Sets to Graph中找到并选中ROC of Genus ROC Curve，点击OK。在新弹出的Format Graph再次点击OK。
9. 成功合并两条曲线。
10. 双击曲线或坐标轴，在Format Graph中设置曲线或坐标轴的参数。方法如下：
-
这样我们就得到了两个指标的ROC曲线：
结果.png
参考
- https://www.plob.org/article/12476.html
- https://jingyan.baidu.com/article/455a99506f1669a166277816.html
同步发布于微信公众号：微生态
