我一直在使用LibSVM分类器对3个不同的类进行分类 - 标记为2,1，-1
我尝试使用MATLAB为使用LibSVM生成的一些数据生成Roc曲线图，但我无法理解它需要运行的参数。
我认为：
标签是生成的标签的向量，用于说明我的数据属于哪个类（我的数据包含1，-1和2，大小为60x1）
得分是由LibSVM创建的变量，称为＆＃39; accuracy_score＆＃39; （60x3大小）
但我不知道posclass是什么？
我还希望了解我的假设是否正确，如果没有，为什么不呢？
答案 0 :(得分：4)
有关明确说明，请参阅here：
给出以下指示：
[X,Y] = perfcurve(labels,scores,posclass);labels是数据的真实标签，scores是分类器的输出分数（在阈值之前），而posclass是标签中的正分类。
答案 1 :(得分：3)
参见percurve的文档，posclass是正类的标签，在你的情况下它必须是1，-1或2 http://www.mathworks.com/help/stats/perfcurve.html
ROC曲线在x轴上具有“假阳性率”并且在y轴上具有“真阳性率”。通过指定posclass，您可以指定计算误报率和真阳性率的类别。 例如如果将posclass指定为2，则认为当true标签为2时，预测1或-1被视为错误预测（假阴性）。
编辑： 你提到的accuaracy_score（在我的文档版本（3.17，在matlab文件夹中），它被称为decision_values / prob_estimates）有3列，每列对应于属于一个类的数据的概率。
e.g。
model=svmtrain(train_label,train_data);
[predicted_label, accuracy, decision_values]=predict(test_label,test_dat,model);
model.Label包含类标签，decision_values中的各个列包含测试用例属于model.Label中指定的类的概率。（参见http://www.csie.ntu.edu.tw/~b91082/SVM/README）。
使用purfcurve计算m类的ROC：
[X,Y] = perfcurve(truelabels, decision_values(:,m)*model.Label(m),model.Label(m));
必须执行decision_values(:,m)*model.Label(m)，尤其是当您的类标签为负数时。