了解如何绘制 ROC 曲线答案

【问题标题】：Understanding how to plot an ROC curve了解如何绘制 ROC 曲线
【发布时间】：2016-08-13 06:47:57
【问题描述】：

假设我已经将模型的分类结果格式化如下：

actual.class score.actual.class
A            1
A            1
A            0.6
A            0.1
B            0.5
B            0.3
.            .
.            .

1-如果我理解得很好，ROC 曲线描绘了真阳性和假阳性之间的权衡。这意味着我需要改变一个班级（真正的班级）的分数阈值，而不是两者，对吧？我的意思是，如果我在这里选择 A 作为真正的类，那么我将只使用 subset(results,actual.class="A") 来绘制 ROC 曲线？

2-如果我想手动生成曲线（不使用库）怎么办，阈值是否会是该子集中的每个可能分数？

3-为了绘制 ROC 曲线，是否从上述数据中正确生成了以下点？（我是用A类作为真类）

threshold fpr tpr
1         1   0   
0.6       1/2 1/2 
0.1       1/4 3/4      
0         0   1

这些点会构成我的 ROC 吗？

【问题讨论】：

标签： r roc

【解决方案1】：

“这意味着我需要改变分数阈值一个类（真正的类）而不是两者，对吧？”

似乎存在误解，因为没有单独的正面或负面阈值。 ROC 曲线用于二进制分类算法的评估。在此类算法中，不属于一种类型 (TRUE) 的元素会自动识别为另一种类型的元素 (FALSE)。

阈值的选择可能只会改变平衡，使得更多的观察被分配给一种类型而不是另一种。阈值的这种变化是允许绘制 ROC 曲线的参数。否则只会是一分。

关于您的第三点：是的，从您的示例中我可以看出，这种数据通常构成 ROC 曲线。

【讨论】：

您不能独立改变特异性和敏感性。混淆矩阵的这些特征源于二元分类算法中使用的（单一）阈值。
@lmerith 您发布的数据可能代表 ROC 曲线的四个点。只需将您为每个阈值获得的每对 tpr / fpr 绘制在一个正方形中，fpr 在 x 轴上，tpr 在 y 轴上，然后连接这些点。您分析的阈值越多，您将拥有的点越多，如果模型足够复杂，曲线会变得更平滑。
@lmerith 是的，特异性和敏感性通常取决于阈值的选择。与 ROC 曲线一样，这些是用于评估模型质量的特征。与阈值不同，这些不是模型的输入值。
四点。每个阈值的 x (fpr) 和 y (tpr) 坐标：(1,0)； (0.5, 0.5); (0.25, 0.75) 和 (0.1)。 ROC曲线中不显示阈值。