我正在尝试对两种不同的情况进行分类。因此，我建立了决策树、混淆矩阵，并计算了准确性、敏感性和特异性。我运行了我的程序100次，所以我有100个准确性、敏感性和特异性值。
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，我不知道这些到底是什么。
有人能帮我策划一下吗？
您可以使用像pROC这样的包，这可能比自己创建更容易。使用roc((函数创建一个roc对象，然后使用plot((绘制对象并创建roc曲线。
此外，听起来你做这件事的方式不对。ROC曲线是根据在模型的可能概率范围内，即在0和1之间的切割点，在不同切割点获得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，只要一个模型就足够了。
试试这样的方法，其中y是你的响应变量，p是你的模型输出的概率值的向量：
plot(roc(y, p)), print.auc = TRUE)