无需模型概率输出 基于数据框手动生成ROC曲线的实现方法

首先明确：你的场景完全可以生成ROC曲线。ROC的本质是所有可实现的二分类阈值对应的真阳性率(TPR)、假阳性率(FPR)的连线，只需要有一个可用于排序的连续指标（这里就是time字段）和真实标签即可，不需要机器学习模型输出的概率。

不需要手动写循环遍历阈值，R生态有成熟的实现方案，也可以用tidyverse的向量化操作完成，两种常用方案如下：

方案1：使用pROC包（最简便） #

pROC是专门用于ROC分析的包，内部已经封装了阈值计算、指标统计的逻辑，一行代码即可完成计算：

library(pROC)
library(dplyr)

# 你的示例数据，不需要提前生成predicted字段
set.seed(3)
df <- data.frame(
  time = c(2.5 + rnorm(5), 3.5 + rnorm(5)),
  truth = rep(c("cleaned", "final"), each = 5)
)

# 直接计算ROC对象
# levels参数：第一个为阴性类，第二个为阳性类
# direction="<"表示预测指标（time）的值越小，越可能属于阳性类（cleaned）
roc_obj <- roc(truth ~ time, data = df, levels = c("final", "cleaned"), direction = "<")

# 直接绘制带AUC和推荐阈值的ROC图
plot(roc_obj, print.auc = TRUE, print.thres = TRUE)

如果需要提取各阈值对应的指标，可以直接从生成的roc_obj中取：

• 所有阈值：roc_obj$thresholds
• 对应TPR：roc_obj$sensitivities
• 对应特异度：roc_obj$specificities，FPR = 1 - 特异度

方案2：tidyverse向量化实现（无额外ROC包依赖） #

如果不想引入第三方ROC包，用dplyr的向量化操作也可以完成计算，完全不需要循环：

library(dplyr)
library(ggplot2)

roc_df <- df %>%
  # 按耗时从小到大排序，每一行对应一个阈值（当前行的time值）
  arrange(time) %>%
  mutate(
    total_pos = sum(truth == "cleaned"),
    total_neg = sum(truth == "final"),
    # 累积统计当前阈值下的阳性、阴性分类数量
    cum_pos = cumsum(truth == "cleaned"),
    cum_neg = cumsum(truth == "final"),
    # 计算TPR和FPR
    tpr = cum_pos / total_pos,
    fpr = cum_neg / total_neg
  )

# 绘制ROC曲线
ggplot(roc_df, aes(x = fpr, y = tpr)) +
  geom_line(linewidth = 1) +
  geom_abline(slope = 1, intercept = 0, linetype = "dashed", color = "gray50") +
  labs(x = "假阳性率 (FPR)", y = "真阳性率 (TPR)", title = "响应耗时阈值ROC曲线") +
  theme_minimal()

补充说明：不需要手动生成100个测试阈值，所有能改变分类结果的阈值就是每个样本的time值，中间插值的阈值不会改变分类结果，直接用样本的time值作为阈值点既准确又高效。

内容的提问来源于stack exchange，提问作者deschen