Question

给定使用plotroc.m绘制的ROC曲线（请参阅here）：

理论问题：如何选择最佳使用阈值？
编程问题：如何诱导libsvm分类器使用所选（最佳）阈值？

Answer 1

ROC曲线是通过绘制y轴上的真阳性分数与x轴上的假阳性分数绘制而生成的图。因此，ROC曲线上任何点（x，y）的坐标表示特定阈值处的FPR和TPR值。如图所示，我们在ROC曲线上找到了点（x，y），它对应于该点与图的左上角（即由（0,1）给出）的最小距离。对应于该点的阈值是所需的阈值。对不起，我不允许放任何图像，所以无法用图解释。但是，有关此次点击的更多详情，请点击ROC related help

其次，在libsvm中，svmpredict函数返回属于特定类的数据样本的概率。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，如果此变量'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

完成

op_labels = op＆gt; th; ％，其中'th'是从ROC获得的阈值

ROC曲线和libsvm

1 个答案: