coter ROC in R avec ROCR vs pROC

je trace un graphique des ROCs et je mesure l'AUC partielle comme métrique de la qualité du modèle de niche écologique. Comme je travaille en R, j'utilise les paquets ROCR et pROC. Je m'en contenterai, mais pour l'instant, je voulais voir comment ils fonctionnaient, et si l'un d'eux répondait mieux à mes besoins.

une chose qui me confond, c'est que, en traçant un ROC, les axes sont les suivants:

ROCR

x axis: 'true positive rate' 0 -> 1
y axis: 'false positive rate', 0 -> 1

pROC

x axis: 'sensitivity' 0 -> 1
y axis: 'specificity' 1 -> 0. 

mais si je trace le ROC en utilisant les deux méthodes, ils semblent identiques. Donc, je veux juste confirmer que:

true positive rate = sensitivity

false positive rate = 1 - specificity.

Voici un exemple reproductible:

obs<-rep(0:1, each=50)
pred<-c(runif(50,min=0,max=0.8),runif(50,min=0.3,max=0.6))
plot(roc(obs,pred))

ROCRpred<-prediction(pred,obs)
plot(performance(ROCRpred,'tpr','fpr'))