matlabroc曲线

MATLAB中的ROC曲线（Receiver Operating Characteristic curve）是一种用于评估二元分类器的性能的工具。ROC曲线是以真正例率（True Positive Rate，TPR）为纵轴，以假正例率（False Positive Rate，FPR）为横轴绘制的。TPR和FPR的计算方法如下：

TPR = TP / (TP + FN)

FPR = FP / (FP + TN)

其中，TP表示真正例数（即分类器正确地将正例判定为正例的数量），FN表示假反例数（即分类器错误地将正例判定为负例的数量），FP表示假正例数（即分类器错误地将负例判定为正例的数量），TN表示真负例数（即分类器正确地将负例判定为负例的数量）。

在MATLAB中，可以使用函数“perfcurve”来绘制ROC曲线。具体使用方法如下：

1. 准备好分类器的预测结果和真实标签，存储在两个向量中。

2. 调用“perfcurve”函数，输入真实标签和预测结果向量，以及正例标签（如果没有指定，则默认为1），即可生成ROC曲线。例如：

labels = [0 1 0 1 1 0 0 1 1 1];
scores = [0.1 0.3 0.2 0.6 0.8 0.2 0.3 0.7 0.9 0.5];
[X,Y,T,AUC] = perfcurve(labels,scores,1);
plot(X,Y)

其中，labels为真实标签向量，scores为预测结果向量，1为正例标签。函数返回的X和Y分别为ROC曲线上各点的FPR和TPR，T为阈值，AUC为曲线下的面积（即AUC值）。

3. 绘制ROC曲线，可以使用MATLAB自带的“plot”函数。例如：

plot(X,Y)
xlabel('False positive rate')
ylabel('True positive rate')
title('ROC Curve')

这将生成一个以FPR为横轴、TPR为纵轴的ROC曲线，并添加横轴和纵轴的标签和标题。