我一直在使用 LibSVM 分类器在 3 个不同的类别之间进行分类 - 标记为 2、1、-1
我正在尝试使用 MATLAB 为使用 LibSVM 生成的一些数据生成 Roc 曲线图，但无法理解它需要运行的参数。
我假设：
labels 是生成的标签向量，表明我的数据属于哪个类（我的包含 1、-1 和 2，大小为 60x1）
scores 是由 LibSVM 创建的名为“accuracy_score”的变量（大小为 60x3）
但是我不知道posclass是什么？
我也很想知道我的假设是否正确，如果不正确，为什么不呢？
【问题讨论】：
标签： matlab parameters libsvm roc
请参阅here 以获得清晰的解释：
根据以下指令：
[X,Y] = perfcurve(labels,scores,posclass);labels是数据的真实标签，scores是分类器的输出分数（在阈值之前），posclass是标签中的正类。
【讨论】：
请参阅 percurve 的文档，posclass 是正类的标签，在您的情况下，它必须是 1、-1 或 2 http://www.mathworks.com/help/stats/perfcurve.html
ROC 曲线在 x 轴上有“假阳性率”，在 y 轴上有“真阳性率”。通过指定 posclass，您可以指定要计算哪个类的误报率和真阳性率。 例如如果将 posclass 指定为 2，则认为当 true label 为 2 时，预测 1 或 -1 被视为错误预测（假阴性）。
编辑： 您提到的accuaracy_score（在我的文档版本中（3.17，在matlab文件夹中）称为decision_values/prob_estimates）有3列，每一列对应于数据属于一个类的概率。
例如
model=svmtrain(train_label,train_data);
[predicted_label, accuracy, decision_values]=predict(test_label,test_dat,model);
model.Label 包含类标签，decision_values 中的各个列包含测试用例属于 model.Label 中指定的类的概率。（参见http://www.csie.ntu.edu.tw/~b91082/SVM/README）。
使用 purfcurve 计算 m 类的 ROC：
[X,Y] = perfcurve(truelabels, decision_values(:,m)*model.Label(m),model.Label(m));
decision_values(:,m)*model.Label(m) 是必不可少的，尤其是当您的分类标签是负数时。
【讨论】：