roc分析，rockstar games launcher

阳性似然比（LR+）：是真阳性率与假阳性率的比值，即阴性似然比（Negative Likelihood Ratio，LR-），即假阴性率与真阴性率的比值。 PR曲线是以召回率（Recall、真阳性、召回率）为横坐标，以精确率（Precision、阳性预测值、精确率）为纵坐标绘制的曲线。 PR曲线向右上角(1,1)移动越突出，诊断或拟合效果越好。

根据曲线的位置，将整个图分为两部分。曲线下的面积称为AUC（Area Under Curve），用于表示预测的准确性。 AUC值越高，曲线下面积越大，表明预测准确度。准确度越高。目前常用的SPSS和Prism GraphPad无法计算ROC曲线的最优临界值，也无法对不同ROC曲线的性能进行Delong统计比较。

1、rocco男性

AUC（Area under Curve）：ROC曲线下的面积，在0.1到1之间。作为一个数值，可以直观地评价分类器的质量。该值越大越好。当观察到的数据样本高度倾斜时，精确率-召回率曲线往往会提供更多信息，并为类别分布中具有较大倾斜度的数据提供ROC 曲线的替代方案。

2、rocky

基于专业知识，分析疾病组和参考组的测量结果，确定测量值的上下限、组区间和截断点，根据选定的组区间列出累积频数分布表，并分别计算所有截止点的敏感性、特异性和假阳性率（1-特异性）。

3、rocket

作为数据分析终结者的科研猫工程师，支持强大的粉丝是我们的职责，所以继GEO终结者和TCGA生存分析终结者之后，我们开发了另一个终极工具——ROC分析终结者（ROC终结者），可以生成多模型ROC曲线+完整的模型评估参数+德龙模型一键对比测试。

4、rock you

如今，作为数据分析的终结者，ROC工程师又研发出另一款终极工具——ROC终结者，可以一键生成多模式ROC曲线+完整的模型评估参数+德龙模型对比测试。我们首先建立几条用于预测结果变量（outcome）的ROC曲线：wfns； s100b； 文献[2]建立的ROC曲线； 通过逻辑回归筛选变量的预测概率建立的ROC曲线。

5、融创

绘制这4条ROC曲线时，需要首先将结果变量（outcome）的赋值改为Good=0、Poor=1。否则，一些ROC 将位于对角线下方，一些则位于对角线上方。

将要测试的变量wfns、s100b、4变量模型预测值和2变量模型预测值放入测试变量框中，选择状态变量放入结果变量，状态变量值为1（赋值为1为正，请注意原值已被修改（Good=0，Poor=1），选择配对样本设计，在【显示】按钮中选择对角线、标准误和置信区间。