本文主要是介绍使用Maltlab中的plotroc()函数绘制ROC曲线，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
原文自http://blog.csdn.net/fuhpi/article/details/8813455
ROC曲线是通用的分类器评价工具，matlab函数中自带了绘制该曲线的函数plotroc。
plotroc函数的原型为：plotroc(targets, outputs)
其中参数targets是一个矩阵，代表测试集，每一列表示一个测试样本的标签
如果有两类样本，比如第1,2,5个样本属于第1类，第3,4,6个样本属于第2类….则targets应为：
- 1
- 2
如果只有一类样本，包含了负样本，则只要一行，用1表示正样本，0表示负样本即可,比如targets为：
- 1
参数outputs也是一个矩阵，代表分类结果，同样每一列表示一个测试样本的分类结果
同样如果有两类样本，则应有两个分类器，每一列记录了每个测试样本在两个分类器上的得分，此时outputs为：
- 1
- 2
如果只有一类，则outputs只有一行，如：
- 1
注意，得分必须在[0, 1]的区间内，可以自己规约一下。
我们将相应的测试标签targets和对应的分类得分outputs输入plotroc中就可以绘制出相应的ROC曲线了。
有人问起，我也就在网上搜了一下，发现还有很多人不会用，写下来以供参考，欢迎指正。
补记：似乎使用matlab中的plot()与roc()组合也能完成ROC曲线绘制。
matlab中还给出了一个例子，帮助信息如下：
–> help plotroc
plotroc Plot receiver operating characteristic.
plotroc(targets,outputs) takes target data in 1-of-N form (each column
vector is all zeros with a single 1 indicating the class number), and
output data and generates a receiver operating characteristic plot.
The best classifications will show the receiver operating line hugging
the left and top sides of the plots axis.
plotroc(targets,1,outputs1,’name1’,targets2,outputs2,names2,…)
generates a variable number of confusion plots in one figure.
Here a pattern recognition network is trained and its accuracy plotted:
[x,t] = simpleclass_dataset;
net = patternnet(10);
net = train(net,x,t);
y = net(x);
plotroc(t,y);
See also roc, plotconfusion, ploterrhist, plotregression.
Reference page in Help browserdoc plotroc这篇关于使用Maltlab中的plotroc()函数绘制ROC曲线的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
