小伙伴們，大家好呀，很高興和大家見面，小云最近在寫作時遇到了不會分析ROC曲線圖，小云很是困擾，為此特地去學習了ROC曲線圖，今天小云就把自己學到的與各位小伙伴分享就下，讓給大家不在不再為ROC圖譜解讀而困擾。以下是小云自己在做分析時的五個基因在兩個不同數(shù)據(jù)集中的ROC曲線結果圖：

在進行ROC曲線解讀前，首先我們了解下它是什么？它可以做什么？

ROC曲線的全稱為Receiver Operating Characteristic Curve，中文翻譯過來為受試者工作特征曲線，由于可以反映模型在選取相同閾值或不同閾值時候的模型敏感性和準確性的走向，也將該曲線稱為感受性曲線（sensitivity curve）。

接下來我們來看圖，橫坐標1-Specificity（FPR）是特異性，即假陽性率（False Positive Rate, FPR）；縱坐標Sentivity(TPR) 是敏感性，即真陽性率（True Positive Rate, TPR），也可以將ROC曲線理解成反映敏感性與特異性之間關系的曲線；AUC（Area under roc Curve）是指ROC曲線下的面積，為了量化模型好壞或預測模型準確性。

圖中不同顏色的線代表不同的模型，形成的曲線即為不同模型的受試曲線。理論上來說如果AUC值越接近于1，說明曲線下方面積越大，表明預測模型的準確率越高，反之則說明預測模型的準確率較低。如果曲線越接近左上角，即橫坐標越小，縱坐標越大，表明預測預測模型的準確率越高。

到這里呢，小云今天的分享就結束了，希望各位小伙伴們都有所收獲，快去動手去實踐起來吧。