R语言绘制ROC曲线并计算AUC的0.95CI值

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

这是我的第66篇原创文章，关于R语言和ROC曲线。

阅读完本文，你可以知道：

1 ROC曲线绘制

2 AUC的0.95CI值计算

美国格兰特教授认为：“帮助别人解决困难可以让人学习到更多的东西，你的经验和社会资本也随之积累，但这也不是一下子就能兑现的，他会在你不经意时给你带来惊喜。”

最近，我和一位医学朋友交流。他说，模型的结果：AUC值需要带上置信度区间。比方说，AUC的0.95CI值。含义表示，AUC的值落在某个区间里面的置信度是95%，这个区间就是我们所要计算的。

我是用R语言的ROCit包解决这个问题。

参考代码如下：

##########################
#问题定义：
#绘制带有置信度的ROC曲线
#########################

# R包
library(ROCit)
library(tidyverse)
library(caret)

# 数据导入
data <- read_csv('./data/pima-indians-diabetes.data.csv')
data %>% View

# 变量重命名
# pt: pregnant times 
# pgc: plasma glucose concentration
# bp:  blood pressure
# st: skin thickness
# insulin: insulin
# dpf: diabetes pedigree function
# age: age
# class: 1 if diabetes, 0 otherwise
colnames(data) <- c('pt', 'pgc', 'bp', 'st', 'insulin', 'dpf', 'age', 'class')

# 变量类型转换
data$class <- as.factor(data$class)

# 数据集划分
set.seed(1234)
train_index <- createDataPartition(y=data$class, p=0.6, list = FALSE)
train_data <- data[train_index, ]
test_data <- data[-train_index, ]


# 训练LR模型
logistic_model <- glm(class ~.,
                      data = train_data,
                      family = "binomial")

# 绘制训练集的ROC曲线
# 定义score和class
score <- logit(logistic_model$fitted.values)
class <- logistic_model$y

rocit_emp <- rocit(
  score = score,
  class = class,
  method = 'emp'
)
summary(rocit_emp)

# 绘制ROC曲线
plot(rocit_emp, col = c(1,"gray50"), 
                     legend = FALSE, YIndex = FALSE)

# AUC置信度区间估计，默认值是0.95CI
ciAUC(rocit_emp)