Graph ROC图构造

我有两个严重不平衡的数据集，分别标记为阳性和阴性，并且我能够生成一个混淆矩阵，该矩阵产生约95%的真阳性率（以及遗传上的5%假阴性率）和约99.5%的真阴性率（0.5%假阳性率）

我试图构建ROC图的问题是，x轴的范围不在0到1之间，间隔为0.1。相反，鉴于我的假阳性率非常低，它的范围从0到0.04左右

关于为什么会发生这种情况，有什么见解吗

---

感谢

在ROC图中，两个轴是假阳性率（F）和真阳性率（T）。T是给定正数据项，算法将其分类为正的概率。F是给定负数据项时，算法错误地将其分类为正的概率。轴始终在0到1之间，如果您的算法不是参数化的，则应在ROC图上以一个点（或两个数据集的两个点）而不是曲线结束。如果算法是参数化的，则会得到一条曲线，然后该曲线由不同的参数值生成

---

看

我已经弄明白了。我使用Platt算法提取正分类的概率，并对数据集进行排序，首先是最高概率。我遍历了数据集，任何正示例（实正，未分类为正）都会增加真正计数，而任何负示例（实负，未分类为负）都会增加假正计数

将其视为SVM上的支持向量，它将两个类（+ve和-ve）从SVM的一侧逐渐移动到另一侧。在这里，我想象二维平面上的点。随着支持向量的移动，它揭示了一些例子。任何标记为阳性的例子都是真阳性，任何阴性都是假阳性

希望这有帮助。我花了好几天的时间才弄明白一件如此琐碎的事情，因为网络上缺少信息（或者只是我对支持向量机缺乏了解）。这尤其针对那些在OpenCV包中使用CvSVM的人。您可能知道，CvSVM不返回概率值。相反，它返回一个基于距离函数的值。您不需要使用Platt的算法来基于概率提取ROC曲线，相反，您可以使用距离值本身。例如，从10开始计算距离，然后慢慢减小距离，直到覆盖了所有数据集。我发现用概率来形象化更好，所以每个人都有自己的想法

---

请注意我的英语，因为它不是我的第一语言

我的问题是我使用的是支持向量机，它不是概率模型。它只是在正负值之间进行分类，这就是为什么我只得到一个点的原因。此外，OpenCV中的SVM不返回分类概率，只返回距离函数值。我试图用这个值来确定一个概率，到目前为止没有运气。