matlab - ROC 曲线和 libsvm

Question

plotroc.m给定一个用（见这里）绘制的 ROC 曲线：

1. 理论问题：如何选择要使用的最佳阈值？
2. 编程问题：如何诱导libsvm分类器使用选定的（最佳）阈值？

Answer 1

ROC 曲线是通过在 y 轴上绘制真阳性分数与在 x 轴上绘制假阳性分数而生成的。因此，ROC 曲线上任意点 (x,y) 的坐标表示特定阈值下的 FPR 和 TPR 值。如图所示，我们在 ROC 曲线上找到点 (x,y)，它对应于该点到绘图左上角的最小距离（即由 (0,1) 给出）。该点对应的阈值即为所需阈值。对不起，我不允许放任何图像，所以无法用图解释。但是，有关此的更多详细信息，请单击ROC 相关帮助

其次，在 libsvm 中，svmpredict 函数返回数据样本属于特定类的概率。因此，如果该概率（对于正类）大于阈值（从 ROC 图获得），那么我们可以将样本分类为正类。这几行可能对您有用：

    [pred_labels,~,p] = svmpredict(target_labels,feature_test,svmStruct,'-b 1');

% 其中，svmStruct 是 svmtrain 函数返回的结构。

    op = p(:,svmStruct.Label==1);  % This gives probability for positive
% class (i.e whose label is 1 )

现在，如果这个变量“op”大于阈值，那么我们可以将相应的测试样本分类为正类。这可以作为

op_labels = op>th; % 其中“th”是从 ROC 获得的阈值