Question

我编写了以下代码，以获得“分类准确度”与“阈值”的关系图：

（数据集的基本事实包含两个标记为'Good'或'Bad'的类）

LDAClassifierObject                     = ClassificationDiscriminant.fit(featureSelcted, groundTruthGroup, 'DiscrimType', 'linear');
[LDALabel, LDAScore]                    = resubPredict(LDAClassifierObject);

[~, AccuracyLDA, Thr]                   = perfcurve(groundTruthNumericalLable(:,1), LDAScore(:,1), 1,'yCrit','accu');
figure,
plot(Thr,AccuracyLDA,'r-');
hold on;
plot(Thr,AccuracyLDA,'bo');
xlabel('Threshold for ''good'' Returns');
ylabel('Classification Accuracy');
grid on;

[maxVal, maxInd] = max(AccuracyLDA)

maxVal =

    0.8696

maxInd =

    15

Thr(15)

ans =

    0.7711

此外，我对相同的数据集运行ROC分析，基础事实包含两个标记为“好”或“坏”的类

[FPR, TPR, Thr, AUC, OPTROCPT]      = perfcurve(groundTruthGroup(:,1), LDAScore(:,1), 'Good');

OPTROCPT =

    0.1250    0.8667

为什么Thr(15)=0.7711与OPTROCPT(2)=0.8667不同？

ROC获得的最佳截止点（即最佳阈值OPTROCPT）是否具有LDA的最大准确度？

或许我错了，那么究竟perfcurve(groundTruthNumericalLable(:,1), LDAScore(:,1), 1,'yCrit','accu')告诉我们什么？

如何使用Matlab的'perfcurve'和特定输入？

0 个答案: