> iris_bin1<-subset(iris, Species=='setosa'|Species=='versicolor’)

#setosa를 1로, setosa가 아닌 경우(versicolor)를 0으로 변경

> iris_bin1$Species<-ifelse(iris_bin1$Species=='setosa', 1, 0)

# iris_bin1에서 Sepal.Length와 Sepal.Width를 변수로 사용

> iris_bin1<-iris_bin1[, c(1, 2, 5)]

> index<-sample(2, nrow(iris_bin1), replace=T, prob=c(0.7, 0.3))

> train<-iris_bin1[index==1, ]

> test<-iris_bin1[index==2, ]

# 의사결정나무를 활용하여 ROC 커브 작성

> library(rpart)

> result<-rpart(Species~., data=train)

> pred<-predict(result, newdata=test)

> head(pred)

 3  4  5  8 17 23 

 1  1  1  1  1  1 

> test$pred<-pred

> head(test, 3)

  Sepal.Length Sepal.Width Species pred

3          4.7         3.2       1    1

4          4.6         3.1       1    1

5          5.0         3.6       1    1

> library(Epi)

> ROC(form=Species~pred, data=test, plot='ROC')