mmm305658979的博客

ROC曲线是根据在二分类时，设定不同的分类阈值得到的真阳性率（TPR）和伪阳性率（FPR)得到的。如图括号格式为（预测的标签，实际的标签）。(sensitivity) TPR=TP/(TP+FN)= (1,1)/((1,1)+(0,1))(1-specificity) FPR=FP/(FP+FN)= (1,0)/((1,0)+(0,0))F1 = 2TP/(2TP+FP+FN)...

filename = spm_select(n,'image','choose the image'); %选择当前目录的文件V = spm_vol(filename);Y = spm_read_vols(V);Y_new = XXXXXX %Y_new为处理后V.fname = 'xxxx.nii'; %保存为的文件名称V.dt = [64,0];spm_write_vo...

查准率(Precision)：所有诊断为患病（1）样本中实际为患病的比率。召回率(Recall)：所有患病样本中被发现并诊断为患病的比率。查准率 = TP/(TP+FP)召回率 = TP/P = TP/(TP+FN)敏感性 = TP/P =TP/(TP+FN)特异性 = TN/N = TN/(TN+FP)F1-Score = 2*Precision*Recall/(P...

resp = fig2plotly()%把m列1行的矩阵A复制成m列n行A=repmat(A,n,1);%自带函数绘制ROC曲线,a为1*n表示样本实际标签，b为1*n表示样本预测为1的概率plotroc(a,b)%把m行n列的矩阵转为mn *1 的向量B = A(:);%把向量A转换为3维的n*n*n向量B= reshape(A,n,n,n...