介绍
ROC用于评估二元分类模型性能的图形化方法。
程序使用的R语言的pROC包。
该曲线的横坐标为灵敏度（sensitivity），即模型预测某个类别的概率；
纵坐标为特异性（specificity），即模型预测为某个类别而实际为另一个类别的概率。
ROC曲线的斜率表示灵敏度和特异性的比值，比值越接近1，说明模型性能越好。
输入
丰度表：
例如，
# a1 a2 a3 b1 b2 b3
var1 10 34 51 19 21 31
var2 22 21 41 89 78 79
var3 66 87 56 76 89 90
var4 18 37 46 55 54 63
var5 19 40 50 61 58 76
分组文件：
例如
#sample group
a1 a
a2 a
a3 a
b1 b
b2 b
b3 b
结果
roc_curve.xls
例如，
specificity sensitivity
0 100
33.3333333333333 100
66.6666666666667 100
100 100
100 33.3333333333333
100 0
roc_auc.xls
例如，
nf_level min_auc mean_auc max_auc
0.9 100 100 100
best_loc.xls
例如，
specificity specificity.5% specificity.50% specificity.95% sensitivity.5% sensitivity.50% sensitivity.95%
54.4 100 100 100 100 100 100
