用matlab绘制pr曲线

在MATLAB中绘制PR曲线，可以按照以下步骤操作：

1. 准备好真实标签（Ground Truth）和分类器输出结果，将它们分别存储在两个矩阵中。

2. 计算出不同阈值下的准确率（Precision）和召回率（Recall）。

3. 绘制PR曲线。

下面是具体的代码实现：

% 真实标签
y_true = [1, 1, 0, 0, 1, 0, 1, 0, 1, 1];
% 分类器输出结果
y_pred = [0.7, 0.8, 0.3, 0.4, 0.6, 0.2, 0.9, 0.1, 0.8, 0.7];

% 计算PR曲线的数据点
[precision, recall, thresholds] = precisionrecall(y_pred, y_true);

% 绘制PR曲线
plot(recall, precision, '-');
xlabel('Recall');
ylabel('Precision');
title('PR Curve');

% 定义 precisionrecall 函数
function [precision, recall, thresholds] = precisionrecall(scores, labels)
    % 对分类器输出结果进行排序
    [sorted_scores, sorted_indices] = sort(scores, 'descend');
    sorted_labels = labels(sorted_indices);

    % 计算不同阈值下的准确率和召回率
    thresholds = unique(sorted_scores);
    precision = zeros(size(thresholds));
    recall = zeros(size(thresholds));
    for i = 1:length(thresholds)
        threshold = thresholds(i);
        tp = sum(sorted_labels(sorted_scores >= threshold));
        fp = sum(sorted_labels(sorted_scores >= threshold) == 0);
        fn = sum(sorted_labels(sorted_scores < threshold));
        precision(i) = tp / (tp + fp);
        recall(i) = tp / (tp + fn);
    end
end

上述代码中，我们使用 `precisionrecall` 函数计算出不同阈值下的准确率和召回率，然后绘制PR曲线。该函数的实现方式主要是对分类器输出结果进行排序，然后根据不同阈值计算出TP、FP和FN，从而得到准确率和召回率。最后将所有的准确率和召回率数据点作为PR曲线的坐标点，绘制曲线即可。