受试者工作特征曲线roc matlab代码

在MATLAB中，可以使用以下代码来绘制受试者工作特征曲线（ROC曲线）：

假设我们有一组真实标签（ground truth）和一组预测概率（predicted scores）：

% 真实标签
true_labels = [0 1 1 0 1 1 0 0 1];

% 预测概率
predicted_scores = [0.2 0.6 0.8 0.3 0.9 0.7 0.4 0.1 0.5];

首先，需要根据预测概率和真实标签计算不同阈值下的真阳性率（True Positive Rate，TPR）和假阳性率（False Positive Rate，FPR）：

% 根据阈值计算TPR和FPR
thresholds = unique(predicted_scores);
n_thresholds = length(thresholds);
TPR = zeros(n_thresholds, 1);
FPR = zeros(n_thresholds, 1);
for i = 1:n_thresholds
    threshold = thresholds(i);
    TP = sum(predicted_scores >= threshold & true_labels == 1);
    FN = sum(predicted_scores < threshold & true_labels == 1);
    FP = sum(predicted_scores >= threshold & true_labels == 0);
    TN = sum(predicted_scores < threshold & true_labels == 0);
    TPR(i) = TP / (TP + FN);
    FPR(i) = FP / (FP + TN);
end

然后，可以使用`plot`函数将TPR和FPR绘制成ROC曲线：

% 绘制ROC曲线
plot(FPR, TPR, 'b-', 'LineWidth', 2);
grid on;
xlabel('False Positive Rate');
ylabel('True Positive Rate');
title('Receiver Operating Characteristic (ROC) Curve');
axis square;

最后，可以使用`axis([0 1 0 1])`函数设置坐标轴范围为[0,1]，以确保ROC曲线在图像中正确显示：

% 设置坐标轴范围
axis([0 1 0 1]);

这样就可以得到一个用于评估分类器性能的ROC曲线。