Matlab 我的ROC曲线的一个区域在随机线下面

我在高光谱图像中有一些目标，我想检测它们。我提出了一种检测器，然后通过接收机工作特性（ROC）曲线分析了它的性能

当要检测的目标具有非常低的信噪比时（即，目标在图像中非常弱，因此其检测非常具有挑战性，尤其是对于非常小的误报概率Pfa值），我总是获得如下ROC曲线

---

这不是我的数字，但我得到了类似于ROC曲线的数据。因此，我的曲线低于

Pfa的随机线，ROC显示增加阈值的真阳性和假阳性比率。在阈值处于一个极端时，所有内容都被分类为阴性，因此有0%的真阳性和0%的假阳性。如果阈值处于另一个极端，则有100%的真阳性和100%的假阳性。在两个极端之间，任何事情都可能发生。在这种特殊情况下，当您从第一个极端增加阈值时，您开始将阴性样本分类为阳性，因此您增加了假阳性率，而没有增加真阳性率

原则上这没什么错。重要的是，你可以找到一个点（阈值），在这个点上，真阳性率和假阳性率之间的折衷是令人满意的。这是操作系统的点。因为你希望阈值的选择是稳健的，所以你希望ROC在该点附近缓慢变化。但它在远离操作点的地方所做的事情不会影响系统。（这就是为什么我认为“曲线下面积”的性能度量是没有用的。）

然而，您的ROC向您显示的是，您的系统认为最明显为正的样本实际上为负。也许您没有正确地建模样本？
ROC显示增加阈值的真阳性和假阳性比率。在阈值处于一个极端时，所有内容都被分类为阴性，因此有0%的真阳性和0%的假阳性。如果阈值处于另一个极端，则有100%的真阳性和100%的假阳性。在两个极端之间，任何事情都可能发生。在这种特殊情况下，当您从第一个极端增加阈值时，您开始将阴性样本分类为阳性，因此您增加了假阳性率，而没有增加真阳性率

原则上这没什么错。重要的是，你可以找到一个点（阈值），在这个点上，真阳性率和假阳性率之间的折衷是令人满意的。这是操作系统的点。因为你希望阈值的选择是稳健的，所以你希望ROC在该点附近缓慢变化。但它在远离操作点的地方所做的事情不会影响系统。（这就是为什么我认为“曲线下面积”的性能度量是没有用的。）

然而，您的ROC向您显示的是，您的系统认为最明显为正的样本实际上为负。也许您没有正确地为样品建模？
谢谢克里斯的回答。事实上，我对模型做了很多修改，我的样品也没有问题。我认为这是因为我的目标有一个非常低的信噪比，所以它的检测非常具有挑战性。因此，很明显，对于小概率的假警报，检测可能非常差（=0）。你认为我是对的吗？但是对于非常小的误报概率（低误报率），你的探测器应该只选择最明显的目标。相反，它只选择一些非目标。然后增加阈值（灵敏度），它开始拾取大部分真实目标，只有很少的误报。这很奇怪。可能，但奇怪。除非你的测试图像有一些非常像目标的非目标。另一个选择是你计算ROC错误？我不这么认为，因为我对ROC的计算做了很多修改。我认为这是正常的，因为目标的填充分数非常低，因此其检测非常小的虚警概率非常具有挑战性。谢谢Cris的回答。事实上，我对模型做了很多修改，我的样品也没有问题。我认为这是因为我的目标有一个非常低的信噪比，所以它的检测非常具有挑战性。因此，很明显，对于小概率的假警报，检测可能非常差（=0）。你认为我是对的吗？但是对于非常小的误报概率（低误报率），你的探测器应该只选择最明显的目标。相反，它只选择一些非目标。然后增加阈值（灵敏度），它开始拾取大部分真实目标，只有很少的误报。这很奇怪。可能，但奇怪。除非你的测试图像有一些非常像目标的非目标。另一个选择是你计算ROC错误？我不这么认为，因为我对ROC的计算做了很多修改。我认为这是正常的，因为目标具有非常低的填充分数，因此其检测非常小的虚警概率非常具有挑战性。