计算 ROC 曲线matlab

ROC曲线，全称Receiver Operating Characteristic Curve（接收者操作特性曲线），是一种评估二分类模型性能的常用工具。在MATLAB中，你可以通过以下几个步骤生成并绘制ROC曲线：

1. **数据准备**：首先，你需要有一组测试数据，包括预测的概率值（通常是正类的概率）以及实际的类别标签。

[ypred, ytest] = ... % 预测结果和真实标签

2. **计算真正率(TPR)和假正率(FPR)**：基于这些概率和标签，计算每个阈值下的真正率(TPR, Sensitivity)和假正率(FPR, 1 - Specificity)。TPR表示模型正确识别出正样本的比例，FPR表示误判负样本为正样本的比例。

[TPR, FPR, thresholds] = roc(ypred, ytest);

这里的`roc`函数就是MATLAB内置的用于计算ROC曲线的函数。

3. **绘制ROC曲线**：使用`plot`函数绘制ROC曲线，并添加其他相关信息如AUC（Area Under the Curve，曲线下面积）。

plot(FPR, TPR, 'b', 'LineWidth', 2);
xlabel('False Positive Rate (1 - Specificity)');
ylabel('True Positive Rate (Sensitivity)');
title(['ROC Curve (AUC = ' num2str(areaUnderCurve(FPR, TPR)) ')']);

4. **查看AUC**：AUC是一个评价模型性能的重要指标，它反映了模型区分正负样本的能力。数值越大，说明模型性能越好。

完成上述步骤后，你就得到了一个ROC曲线及其相应的AUC值。