如何使用libsvm作为matlab中的二元分类器来计算灵敏度（真阳性率）和特异性（真阴性率）？

Question

我正在处理面部验证问题。我正在使用LibSVM作为分类器。我想计算真阳性率和真阴性率。

通过使用这两个性能指标，我想计算等误差率，并且还想绘制ROC曲线。

我在matlab中读到了关于perfcurve的命令。但是这里的得分意味着什么。??

Answer 1

如果您使用的是libsvm，svmpredict函数有三种可能的返回值。

[predicted_label, accuracy, decision_values] = svmpredict(testing_label_vector, testing_instance_matrix, model [,'libsvm_options']);

如果您没有指定想要所有返回值，则通过将输出分配给使用多个变量，您将只获得第一个变量predicted_label。

如果要生成ROC曲线，则需要每个实例的分类器分数才能计算阈值。分数是decision_values。

然后，您可以使用神经网络工具包中的roc或plotroc或机器学习工具包中的perfcurve来生成ROC曲线。

对于细胞阵列形式的每个阈值的真阳性和假阳性率，使用

[tpr,fpr,thresholds] = roc(ground_truth, decision_values);

对于ROC曲线图，请使用

plotroc(ground_truth, decision_values);

或者

[X,Y] = perfcurve(ground_truth, decision_values, positive_class_name);
plot(X,Y);

请参阅ROC curve for a binary classifier in MATLAB了解另一个perfcurve示例。