利用perfcurve函数画ROC和DET等评价曲线

最新推荐文章于 2024-11-05 14:26:33 发布

原创最新推荐文章于 2024-11-05 14:26:33 发布 · 8.9k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#plot #fp

本文介绍了如何使用SVM训练模型，并通过perfcurve函数绘制ROC曲线来评估模型性能。此外，还展示了如何调整perfcurve参数以输出DET曲线。

具体使用方法可以参考perfcurve帮助

        load heart_scale.mat

model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');
[predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst,model);

[X,Y] =perfcurve(heart_scale_label,dec_values,'1');
%[X,Y] = perfcurve(labels,scores,posclass,'param1', val1,'param2',val2,...)
%labels:目标标签 scores:决策值 posclass：正类标签
%'param'和val可以定义X和Y的输出值，具体可以看函数帮助，默认是定义X轴为FPR，Y轴为TPR

plot(X,Y),xlabel('FPR'),ylabel('TPR');%输出ROC曲线

[X,Y] =perfcurve(heart_scale_label,dec_values,'1','xCrit','FPR','yCrit','FNR');
%重新定义输出值，'xCrit','FPR'表示定义X输出为FPR=FP/(TN+FP),这里其实就是默认值
%'yCrit','FNR'表示定义y输出为FNR=FN/(TP+FN)

figure,plot(X,Y),xlabel('fall'),ylabel('miss');%输出DET曲线