如何从R语言生成的ROC曲线中获取实际截断值？

基础代码回顾 #

你已经用以下代码生成了ROC对象：

# 拟合逻辑回归模型
glmfit <- glm(Y ~ X1 + X2 +..., family = binomial(), data = df)
# 生成ROC对象（基于模型预测的概率）
roc_in_sample <- roc(df$Y, predict(glmfit, newdata = df, type = "response"))

核心需求 #

获取对应特定灵敏度、特异度（例如均为80%）的概率截断值，无需最佳截断值的选择方法。

实现方法 #

方法1：提取所有阈值数据后筛选

pROC的ROC对象内置了所有阈值对应的灵敏度、特异度数据，直接提取为数据框后筛选即可：

# 将ROC的关键指标转为数据框
roc_metrics <- data.frame(
  threshold = roc_in_sample$thresholds,
  sensitivity = roc_in_sample$sensitivities,
  specificity = roc_in_sample$specificities
)

# 筛选灵敏度和特异度接近80%的点（允许±0.1%的误差）
target_row <- roc_metrics[
  abs(roc_metrics$sensitivity - 0.8) <= 0.001 & 
  abs(roc_metrics$specificity - 0.8) <= 0.001, 
]

# 获取对应的截断值
target_threshold <- target_row$threshold
print(target_threshold)

方法2：使用pROC内置的coords()函数

coords()是pROC专门用于提取ROC曲线坐标点的函数，支持直接指定灵敏度/特异度来获取阈值：

# 根据指定灵敏度（80%）获取对应阈值及特异度
result_sens <- coords(roc_in_sample, x = 0.8, input = "sensitivity", ret = c("threshold", "specificity"))
print(result_sens)

# 根据指定特异度（80%）获取对应阈值及灵敏度
result_spec <- coords(roc_in_sample, x = 0.8, input = "specificity", ret = c("threshold", "sensitivity"))
print(result_spec)

方法3：插值获取近似匹配的截断值

如果现有数据点中没有完全匹配80%灵敏度和特异度的情况，可以启用插值功能得到更接近的阈值：

# 插值获取同时接近80%灵敏度和特异度的截断值
interp_threshold <- coords(
  roc_in_sample, 
  x = 0.8, input = "specificity", 
  y = 0.8, input_y = "sensitivity", 
  ret = "threshold", 
  interpolate = TRUE
)
print(interp_threshold)

注意事项 #

• 实际数据中很少有完全等于0.8的灵敏度/特异度，因此建议设置合理的误差范围或使用插值
• 得到的截断值是模型输出的概率值（对应predict()的type="response"参数），直接可用于报告

内容的提问来源于stack exchange，提问作者Dan W