我试图对两种不同的情况进行分类。因此，我构建了决策树、混淆矩阵并计算了准确性、灵敏度和特异性。我运行了我的程序 100 次，所以我有 100 个准确度、灵敏度和特异性值。
我现在想做的是用AUC绘制ROC曲线。我做了一些研究，所有这些例子都在讨论概率，但我不知道它们到底是什么。
那么有人可以帮我绘制这个吗？
您可以使用像 pROC 这样的包，这可能比您自己创建它更容易。您使用 roc() 函数创建一个 roc 对象，然后使用plot() 绘制该对象并创建 ROC 曲线。
此外，听起来您的处理方式并不正确。 ROC 曲线是根据模型可能概率范围内不同切点（即 0 到 1 之间的切点）获取的灵敏度和特异性值计算得出的。您不需要创建 100 组模型预测，只需一个模型即可够了。
尝试这样的操作，其中 y 是响应变量，p 是模型输出的概率值向量：
plot(roc(y, p)), print.auc = TRUE)