Ggplot2를 사용하여 roc 곡선을 그리는 방법(예제 포함)

로지스틱 회귀는 응답 변수가 이진일 때 회귀 모델을 맞추는 데 사용하는 통계 방법입니다. 로지스틱 회귀 모델이 데이터 세트에 얼마나 잘 맞는지 평가하기 위해 다음 두 가지 측정항목을 살펴볼 수 있습니다.

• 민감도: 결과가 실제로 긍정적일 때 모델이 관찰에 대한 긍정적인 결과를 예측할 확률입니다.
• 특이성: 결과가 실제로 부정적일 때 모델이 관찰에 대해 부정적인 결과를 예측할 확률입니다.

이 두 측정항목을 시각화하는 간단한 방법은 로지스틱 회귀 모델의 민감도와 특이성을 표시하는 그래프인 ROC 곡선을 만드는 것입니다.

이 튜토리얼에서는 ggplot2 시각화 패키지를 사용하여 R에서 ROC 곡선을 생성하고 해석하는 방법을 설명합니다.

예: ggplot2를 사용한 ROC 곡선

R에 다음과 같은 로지스틱 회귀 모델을 적합하다고 가정합니다.

 #load Default dataset from ISLR book
data <- ISLR::Default

#divide dataset into training and test set
set.seed(1)
sample <- sample(c( TRUE , FALSE ), nrow (data), replace = TRUE , prob =c(0.7,0.3))
train <- data[sample, ]
test <- data[!sample, ]

#fit logistic regression model to training set
model <- glm(default~student+balance+income, family=" binomial ", data=train)

#use model to make predictions on test set
predicted <- predict(model, test, type=" response ")

테스트 세트에서 로지스틱 회귀 모델의 성능을 시각화하기 위해 pROC 패키지 의 ggroc() 함수를 사용하여 ROC 플롯을 만들 수 있습니다.

 #load necessary packages
library (ggplot2)
library (pROC)

#define object to plot
rocobj <- roc(test$default, predicted)

#create ROC plot
ggroc(rocobj) 

y축은 모델의 민감도(진양성률)를 표시하고 x축은 모델의 특이성(진음성률)을 표시합니다.

플롯에 스타일을 추가하고 플롯의 AUC(곡선 아래 영역)를 포함하는 제목도 제공할 수 있습니다.

 #load necessary packages
library (ggplot2)
library (pROC)

#define object to plot and calculate AUC
rocobj <- roc(test$default, predicted)
auc <- round (auc(test$default, predicted), 4 )

#create ROC plot
ggroc(rocobj, color = ' steelblue ', size = 2 ) +
  ggtitle( paste0 (' ROC Curve ', ' (AUC = ', auc, ' ) ')) 

플롯의 테마를 수정할 수도 있습니다.

 #create ROC plot with minimal theme
ggroc(rocobj, color = ' steelblue ', size = 2 ) +
  ggtitle( paste0 (' ROC Curve ', ' (AUC = ', auc, ' ) ')) +
  theme_minimal() 

최고의 ggplot2 테마에 대한 가이드는 이 문서를 참조하세요.