使用Matlab进行交叉验证和ROC曲线：如何绘制平均ROC曲线？

我使用k=10的k倍交叉验证。因此，我有10条ROC曲线。 我想在曲线之间求平均值。我不能只是平均值​​在Y轴上（使用perfcurve），因为返回的向量大小不同

[X1,Y1,T1,AUC1] = perfcurve(t_test(1),resp(1),1);
.
.
.
[X10,Y10,T10,AUC10] = perfcurve(t_test(10),resp(10),1);

---

如何解决这个问题？如何绘制10条ROC曲线的平均曲线？

因此，您有

k条

曲线，具有不同数量的点，所有曲线在两个维度上都以

[0..1]

间隔绑定。首先，需要计算指定查询点处每条曲线的插值。现在您有了固定点数的新曲线，可以计算它们的平均值。该函数将执行插值部分

%%生成示例数据
k=10；
X=单元（k，1）；
Y=单元（k，1）；
等等
对于i=1:k
n=10+randi（10）；
X{i}=sort（[01rand（1，n）]）；
Y{i}=sort（[01rand（1，n）]。^.5）；
结束
%%计算插值
%查询点的位置
X2=linspace（0,1,50）；
n=努美尔（X2）；
%在不同查询点初始化不同曲线的值
Y2=零（k，n）；
对于i=1:k
%寻找第i条曲线的插值
Y2（i，：）=interp1（X{i}，Y{i}，X2）；
结束
%求平均值
平均值y=平均值（Y2，1）；

请注意，不同的插值方法可能会影响结果。例如，ROC绘图数据是一种楼梯数据。要找到此类曲线上的精确值，应使用上一个相邻插值方法，而不是线性插值，线性插值是

interp1

的默认方法：

Y2(i, :) = interp1(X{i}, Y{i}, X2); % linear
Y3(i, :) = interp1(X{i}, Y{i}, X2, 'previous');

这就是它如何影响最终结果：

---

因此，在两个维度中，都有具有不同点数的

k

曲线，所有曲线都以

[0..1]

间隔为界。首先，需要计算指定查询点处每条曲线的插值。现在您有了固定点数的新曲线，可以计算它们的平均值。该函数将执行插值部分

%%生成示例数据
k=10；
X=单元（k，1）；
Y=单元（k，1）；
等等
对于i=1:k
n=10+randi（10）；
X{i}=sort（[01rand（1，n）]）；
Y{i}=sort（[01rand（1，n）]。^.5）；
结束
%%计算插值
%查询点的位置
X2=linspace（0,1,50）；
n=努美尔（X2）；
%在不同查询点初始化不同曲线的值
Y2=零（k，n）；
对于i=1:k
%寻找第i条曲线的插值
Y2（i，：）=interp1（X{i}，Y{i}，X2）；
结束
%求平均值
平均值y=平均值（Y2，1）；

请注意，不同的插值方法可能会影响结果。例如，ROC绘图数据是一种楼梯数据。要找到此类曲线上的精确值，应使用上一个相邻插值方法，而不是线性插值，线性插值是

interp1

的默认方法：

Y2(i, :) = interp1(X{i}, Y{i}, X2); % linear
Y3(i, :) = interp1(X{i}, Y{i}, X2, 'previous');

这就是它如何影响最终结果：

---

我使用Matlab的性能曲线求解它。为此，我必须将“标签”和“分数”的向量列表（大小向量1xn）作为参数传递。因此，perfcurve函数已经理解为一组使用k-fold进行的分辨率，并返回平均ROC曲线及其置信区间，以及AUC及其置信区间

[X1，Y1，T1，AUC1]=性能曲线（t\u测试列表，对应列表，1）

t_test和resp它们是大小为1xk的列表（k是折叠数/k折叠数），列表的每个元素是一个带有分数和标签的1xn向量

resp = nnet(x_test(i));
t_test_act = t_test(i); 

resp具有2xn格式（n是预测样本数）。有两个班

t_test_act包含当前测试集的标签，它已形成2xn，由0和1组成（每列有1和0，表示样本的真实类别）

我用Matlab的perfcurve解决了这个问题。为此，我必须将“标签”和“分数”的向量列表（大小向量1xn）作为参数传递。因此，perfcurve函数已经理解为一组使用k-fold进行的分辨率，并返回平均ROC曲线及其置信区间，以及AUC及其置信区间

[X1，Y1，T1，AUC1]=性能曲线（t\u测试列表，对应列表，1）

t_test和resp它们是大小为1xk的列表（k是折叠数/k折叠数），列表的每个元素是一个带有分数和标签的1xn向量

resp = nnet(x_test(i));
t_test_act = t_test(i); 

resp具有2xn格式（n是预测样本数）。有两个班

t_test_act包含当前测试集的标签，它已形成2xn，由0和1组成（每列有1和0，表示样本的真实类别）

谢谢你的回答。我发现了一个使用perfcurve的解决方案，我相信这是一个更简单的任务，但你的答案也是很多。谢谢你的回答。我使用perfcurve找到了一个解决方案，我相信这是一个更简单的任务，但您的答案也很多。