背景知识介绍
根据特征数据丰度，如差异物种或生物标记物等，将数据拆分为训练集及验证集，先对训练集构建随机森林模型，再用此模型预测验证集，构建ROC曲线。
ROC曲线的横坐标是false positive rate(FPR)，纵坐标是true positive rate(TPR)。用于展示构建的分类器模型在验证集上的表现，从而评估该模型的效能。
欧易云平台-ROC分析曲线
2.1 ROC分析曲线小工具。
将特征数据表文件（包括微生物丰度表，基因表达谱，临床数据表）结合分组文件，可以对单一特征或复合特征绘制对应的ROC曲线。可选择进行10折交叉验证，后对10折进行平均处理得最终ROC曲线。具体输入文件格式，请参考页面右侧的使用说明。
图1 | 特征数据表文件示例
（行名为单个特征，列名为样本名）
2.2绘图特征选择。
选择复合特征，则构建单个模型，该模型构建基于数据表中的全部特征，因此结果中含有单个ROC曲线。若选择单特征绘图，则针对数据表内每个特征构建模型，且绘制对应的ROC曲线。
2.3 其他常用参数选择。
用户可以自行选择是否进行10折交叉验证。同时提供了多种绘图相关参数，包括选择是否在ROC结果图中展示具体的AUC值。字体类型选择。若选择进行了10折交叉验证，则可选择在结果图上展示全部10折交叉验证结果与标准差。同时参考线与ROC曲线的颜色也支持用户自定义。
2.4 结果说明。
ROC曲线横坐标为假阳性率，纵坐标为真阳性率，蓝色曲线为10折后取的平均曲线，AUC为曲线下面积，阴影部分为上下1个标准差。AUC值越接近1代表模型效能越好。越接近于0.5，则代表该模型真实性较低，更趋近与随机分类。
欢迎百度搜索欧易生物——访问欧易生物官网——了解云平台技术
猜你想看
1、超强攻略！欧易云平台miRanda靶基因预测绘图工具你值得拥有！
2、谁不爱？一个运行更快的云平台
3、鼠标一点，轻松完成各种常见序列处理！
4、技术指南 | CUT&Tag技术大放送，Q&A助力了解详情
原创声明：本文由欧易生物(OEBIOTECH)学术团队报道，本文著作权归文章作者所有。欢迎个人转发及分享，未经作者的允许禁止转载。