使用Maltlab中的plotroc()函数绘制ROC曲线

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 1 0 0 1 0 ...0 0 1 1 0 1 ...
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 0 1 1 0 0 0 0 1 ...
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： 
　　

0.8 0.85 0.2 0.75 0.21 ...0.8 0.01 0.9 0.23 0.67 ...
1
2

　　如果只有一类，则outputs只有一行，如： 
　　

0.8 0.6 0.8 0.7 0.05 0.3 0.03 ...
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 browser   doc plotroc