Matlab ROC曲线与libsvm

给定用

plotroc.m

绘制的ROC曲线（请参阅）：

理论问题：如何选择要使用的最佳阈值

编程问题：如何引导

libsvm

分类器使用选定的（最佳）阈值

---

ROC曲线是通过绘制y轴上的真阳性分数与x轴上的假阳性分数生成的曲线。所以，ROC曲线上任意点（x，y）的坐标表示特定阈值下的FPR和TPR值。 如图所示，我们找到ROC曲线上的点（x，y），该点对应于该点到绘图左上角（即（0,1））的最小距离。对应于该点的阈值是所需的阈值。很抱歉，我不允许放置任何图像，因此无法用图进行解释。但是，有关此操作的更多详细信息，请单击

其次，在libsvm中，svmpredict函数返回属于特定类的数据样本的概率。所以，如果概率（正类）大于阈值（从ROC图获得），那么我们可以将样本分类为正类。以下几行可能对您有用：

    [pred_labels,~,p] = svmpredict(target_labels,feature_test,svmStruct,'-b 1');

%其中，svmStruct是svmtrain函数返回的结构

现在，如果这个变量'op'大于阈值，那么我们可以将相应的测试样本分类为阳性类。这可以按如下方式完成

---

op_标签=op>th；%其中“th”是从ROC获得的阈值

有人已经费心为计算AUC（ROC）的libsvm实现扩展。可以在这里找到：

    op = p(:,svmStruct.Label==1);  % This gives probability for positive
% class (i.e whose label is 1 )