Question

我有一些测试数据和标签：

testZ = [0.25, 0.29, 0.62, 0.27, 0.82, 1.18, 0.93, 0.54, 0.78, 0.31, 1.11, 1.08, 1.02];

testY = [1 1 1 1 1 2 2 2 2 2 2 2 2];

然后我对它们进行排序：

[sZ, ind] = sort(testZ); %%Sorts Z, and gets indexes of Z
sY = testY(ind); %%Sorts Y by index
[N, n] = size(testZ');

然后，这将给出已排序的Y数据。在排序的Y数据的每个元素处，我想将左边的每个点分类为类型1，右边的所有点都是类2;然后对数据的每个点重复这一过程。我该如何做，并找出每个元素的变量：

TP（真阳性） - 正确标记为1的元素
FP（误报） - 错误标记为1的元素
TN（真阴性） - 正确标记为2的元素
FN（漏报） - 错误标记为2的元素

这样做的目的是，我可以为分类器创建一个ROC曲线，作为一些学校工作的一部分。

Answer 1

以下是绘制ROC和查找AUC值的代码：

tot_op = testZ;
targets = testY;
th_vals= sort(tot_op);

for i = 1:length(th_vals)
  b_pred = (tot_op>=th_vals(i,1));
  TP = sum(b_pred == 1 & targets == 2);
  FP = sum(b_pred == 1 & targets == 1);
  TN = sum(b_pred == 0 & targets == 1);
  FN = sum(b_pred == 0 & targets == 2);
  sens(i) = TP/(TP+FN);
  spec(i) = TN/(TN+FP);
end


figure(2);
cspec = 1-spec;
cspec = cspec(end:-1:1);
sens = sens(end:-1:1);
plot(cspec,sens,'k');

AUC = sum(0.5*(sens(2:end)+sens(1:end-1)).*(cspec(2:end) - cspec(1:end-1)));
fprintf('\nAUC: %g \n',AUC);

以上代码是http://www.dcs.gla.ac.uk/~srogers/firstcourseml/matlab/chapter5/svmroc.html

上给出的修改版本

Answer 2

您可以遍历这些点，然后使用逻辑索引和逐元素布尔运算符来获得您想要的大部分内容。

 for i = 1:length(sY)
      classification = [ones(1,i-1) 2*ones(1,length(sy)-i+1)];
      isTruePositive = ( (sY == classification) & (sY == 1) );
      numberOfTruePositive = sum(isTruePositive);
      % Similar for other cases.

      % Use the result in the loop or store it somewhere - as written here
      % variables are over-written each iteration in the loop.
 end

我没有运行这个，所以你可能需要一些调整，但这应该可以帮到你。

MATLAB - 从分类器生成混淆矩阵

2 个答案: