如何绘制ROC曲线

最新推荐文章于 2025-06-20 22:11:15 发布

XKira

最新推荐文章于 2025-06-20 22:11:15 发布

阅读量2.8w

点赞数 12

CC 4.0 BY-SA版权

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/XKira/article/details/70920269

ROC曲线用于评估二分类学习器性能，通过混淆矩阵、FPR和TPR概念理解曲线绘制过程。当一个学习器的ROC曲线包围另一学习器时，表明其性能更优。通过对不同阈值的判断，得到一系列FPR和TPR，进而形成ROC曲线。AUC作为曲线下的面积，AUC越大，学习器性能越好。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ROC（Receiver Operating Characteristic）曲线全称是“受试者工作特征”，通常用来衡量一个二分类学习器的好坏。如果一个学习器的ROC曲线能将另一个学习器的ROC曲线完全包住，则说明该学习器的性能优于另一个学习器。

绘制ROC曲线需要先了解两个概念：
1. 混淆矩阵，一个在评判二分类学习器的时候通常都会用到的表格

	预测值	预测值
实际值	真	假
真	TP	FN
假	FP	TN

2. FPR和TPR
FPR（False Positive Rate）和TPR（True Positive Rate）分别对应着ROC曲线的横纵坐标，其定义如下

T P R =

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

XKira

关注关注

12
点赞
踩
30

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

使用MATLAB绘制ROC曲线：详解及实践

m0_57781768的博客

07-27

845

ROC曲线，全称接收者操作特征曲线，是一种图形化表示分类模型在不同阈值下性能的工具。横轴表示假阳性率（False Positive Rate, FPR），纵轴表示真阳性率（True Positive Rate, TPR）。通过绘制ROC曲线，我们可以观察模型在不同阈值下的表现，从而选择最合适的阈值。本文详细介绍了如何使用MATLAB绘制ROC曲线，从ROC曲线的基本概念、数据准备、绘制方法到实际应用，提供了完整的代码示例，并对每一步骤进行了详细的解析。

R语言ROC曲线可视化：使用ggplot2包绘制ROC曲线、logistic回归模型构建、使用pROC包绘制ROC曲线

statistics+insight+vista+power

07-09

883

R语言ROC曲线可视化：使用ggplot2包绘制ROC曲线、logistic回归模型构建、使用pROC包绘制ROC曲线

2 条评论您还未登录，请先登录后发表或查看评论

ROC曲线绘制

05-05

在MATLAB中绘制ROC曲线，可以对分类器的性能进行评价。

【机器学习300问】48、如何绘制ROC曲线？

qq_39780701的博客

03-24

1966

ROC曲线（受试者工作特征曲线）是一种用于可视化评估二分类模型性能的指标。特别是在不同阈值情况下模型对正类和负类的区分能力。那么“阈值”到底是个什么呢？ROC曲线中的每一个点到底是什么意思？

机器学习模型评估：ROC曲线

最新发布

天涯雨的博客

06-20

852

机器学习模型评估：ROC曲线

机器学习算法：ROC曲线的绘制

黑马程序员官方博客

07-06

3459

关于ROC曲线的绘制过程，通过以下举例进行说明假设有6次展示记录，有两次被点击了，得到一个展示序列（1:1,2:0,3:1,4:0,5:0,6:0），前面的表示序号，后面的表示点击（1）或没有点击（0）。然后在这6次展示的时候都通过model算出了点击的概率序列。下面看三种情况。与原来的序列一起，得到序列（从概率从高到低排）绘制的步骤是：1）把概率序列从高到低排序，得到顺序（1:0.9,3:0.8,2:0.7,4:0.6,5:0.5,6:0.4）；2）从概率最大开始取一个点作为正类，取到点1，计算得到TPR

如何画ROC曲线？

iamzxxing的博客

05-17

3714

在机器学习和深度学习中往往使用ROC曲线（receiver operating characteristic curve，简称ROC曲线）来表征系统的性能。最近初步学了一下如何plot，记录分享一下~ ROC的横纵坐标分别是FPR和TPR,这两个指标计算公式如下： TPR=TP/(TP+FN) FPR=FP/(FP+TN) 从公式中可以看出要画ROC曲线需要知道TP、FN、FP和TN。TP...

在caffe中绘制ROC曲线

tenghaiwander的博客

06-11

1949

最近正在学习caffe，发现上手还是比较容易的，很快就可以训练出自己的网络啦。可是当我想绘制ROC曲线来评价一下结果的时候，却发现在找不到一个明确的办法。在各大论坛逛了一圈也问了一圈，依旧是得不到解答，于是只好自己拼凑思路找办法了。首先要搞清楚画ROC曲线需要什么数据！这篇文章讲的很清楚啦，要画ROC曲线，需要一组FPR/TPR的值。而我们通过训练出来的分类器进行测试的时候，只能得到一组FP

绘制不同分类算法的 ROC 曲线的示例 MATLAB 脚本：绘制 ROC 曲线并计算 4 种不同分类算法的 AUC 的示例 MATLAB 脚本-matlab开发

05-29

示例MATLAB脚本以加载数据并绘制 ROC 曲线并计算4种不同分类的AUC 算法：逻辑回归的 GLM 支持向量机朴素贝叶斯分类树用法： matlab < plot_roc_curve_example_comparealgos.m 改编自...

利用Python画ROC曲线和AUC值计算

09-21

ROC曲线的绘制通常包含以下步骤： 1. **计算真阳性率和假阳性率**：对于每一个可能的阈值，计算模型预测为正类的概率大于等于该阈值时，真正例（True Positives, TP）占所有真正例的比例（真阳性率）和假正例...

matlab绘制roc曲线,手把手画ROC曲线

weixin_33246767的博客

03-17

5217

假设现在有一个二分类问题，先引入两个概念：真正例率(TPR)：正例中预测为正例的比例假正例率(FPR)：反例中预测为正例的比例再假设样本数为6，现在有一个分类器1，它对样本的分类结果如下表(按预测值从大到小排序)标签预测值10.910.810.700.300.200.1ROC曲线的横轴为假正例率，纵轴为真正例率，范围都是[0,1]，现在我们开始画图——根据从大到小遍历预测值，把当前的预测值当做阈值...

ＲＯＣ曲线的正确用法

08-03

ＲＯＣ的正确用法正确理解，写得很好，老外的网站上当的

Excel 画 ROC 详细步骤

11-12

Excel 画 ROC 详细步骤，欢迎指导与交流。Excel 画 ROC 详细步骤。

ROC曲线的绘制

缘源园

04-18

9020

关于ROC曲线的绘制过程，通过以下举例进行说明假设有6次展示记录，有两次被点击了，得到一个展示序列（1:1,2:0,3:1,4:0,5:0,6:0），前面的表示序号，后面的表示点击（1）或没有点击（0）。然后在这6次展示的时候都通过model算出了点击的概率序列。下面看三种情况。 1 曲线绘制 1.1 如果概率的序列是（1:0.9,2:0.7,3:0.8,4:0.6,5:0.5,6:0.4）。与原来的序列一起，得到序列（从概率从高到低排） 1 1 0 0 0

深度学习多分类roc曲线的绘制

qwe1110的博客

10-30

9311

对于多分类问题，ROC曲线的获取主要有两种方法：假设测试样本个数为m，类别个数为n。在训练完成后，计算出每个测试样本的在各类别下的概率或置信度，得到一个[m， n]形状的矩阵P，每一行表示一个测试样本在各类别下概率值（按类别标签排序）。相应地，将每个测试样本的标签转换为类似二进制的形式，每个位置用来标记是否属于对应的类别（也按标签排序，这样才和前面对应），由此也可以获得一个[m， n]的标签矩...

手把手教你画ROC曲线

hellogril前端库

12-30

2004

step2：根据上表，选择阈值为0.9，正例中有1个样本的预测值大于等于1，反例中有0个，所以，TPR=1/3，FPR=0。step5：根据上表，选择阈值为0.3，正例中有3个样本的预测值大于等于1，反例中有1个，所以，TPR=1，FPR=1/3。step6：根据上表，选择阈值为0.2，正例中有3个样本的预测值大于等于1，反例中有2个，所以，TPR=1，FPR=2/3。step7：根据上表，选择阈值为0.1，正例中有3个样本的预测值大于等于1，反例中有3个，所以，TPR=1，FPR=1。

深度学习中Roc曲线

qq_43308156的博客

05-18

1267

Roc曲线

ROC曲线绘制（详细）以及模型选择