我有两个严重不平衡的数据集，分别标记为正面和负面，我能够生成一个混淆矩阵，该矩阵产生约 95% 的真阳性率（并且继承 5% 的假阴性率）和约 99.5% 的真阴性率（ 0.5% 的误报率）。
我尝试构建 ROC 图的问题是 x 轴的范围不是从 0 到 1，间隔为 0.1。相反，考虑到我的误报率非常低，它的范围从 0 到 0.04 左右。
关于为什么会发生这种情况的任何见解？
谢谢
问问题
958 次
2 回答
0
在 ROC 图中，两个轴是假阳性率 (F) 和真阳性率 (T)。T 是给定正数据项的概率，您的算法将其分类为正数据项。F 是给定负数数据项，您的算法错误地将其分类为正数的概率。轴总是从 0 到 1，如果你的算法不是参数化的，你应该在 ROC 图上得到一个点（或者两个数据集的两个点）而不是曲线。如果你的算法是参数化的，你会得到一条曲线，然后曲线是由不同的参数值引起的。
于 2012-05-12T06:33:05.900 回答
0
我已经想通了。我使用 Platt 算法提取正分类的概率并对数据集进行排序，概率最高的优先。我遍历数据集，任何正例（真正的正例，未分类为正例）都会增加真例计数，而任何负例（真正的负例，未分类为负例）都会增加误报计数。
将其视为 SVM 上的支持向量，它将两个类（+ve 和 -ve）从 svm 的一侧逐渐移动到另一侧。在这里，我想象二维平面上的点。随着支持向量的移动，它会发现示例。任何被标记为阳性的例子都是真阳性，任何阴性都是假阳性。
希望这可以帮助。由于网络上缺乏信息（或者只是我对 SVM 缺乏了解），我花了几天的时间才弄清楚这么琐碎的事情。这特别针对那些在 OpenCV 包中使用 CvSVM 的人。您可能知道，CvSVM 不返回概率值。相反，它会根据距离函数返回一个值。您无需使用 Platt 算法根据概率提取 ROC 曲线，而是可以使用距离值本身。例如，您从 10 开始距离，然后慢慢递减，直到覆盖了所有数据集。我发现使用概率更好地可视化，所以对每个人来说都是如此。
请注意我的英语，因为它不是我的第一语言
于 2012-05-12T21:52:47.683 回答