在SVM中绘制Roc曲线

Question

我正在尝试为SVM创建一个ROC曲线，这是我使用过的代码：

#learning from training
#tuned <- tune.svm(y~., data=train, gamma = 10^(-6:-1), cost = 10^(1:2))
summary(tuned)


svmmodel<-svm(y~., data=train, method="C-classification",
              kernel="radial", gamma = 0.01, cost = 100,cross=5, probability=TRUE) 

svmmodel

#predicting the test data
svmmodel.predict<-predict(svmmodel,subset(test,select=-y),decision.values=TRUE)
svmmodel.probs<-attr(svmmodel.predict,"decision.values")
svmmodel.class<-predict(svmmodel,test,type="class")
svmmodel.labels<-test$y
#analyzing result
svmmodel.confusion<-confusion.matrix(svmmodel.labels,svmmodel.class)
svmmodel.accuracy<-prop.correct(svmmodel.confusion)

#roc analysis for test data
svmmodel.prediction<-prediction(svmmodel.probs,svmmodel.labels)
svmmodel.performance<-performance(svmmodel.prediction,"tpr","fpr")
svmmodel.auc<-performance(svmmodel.prediction,"auc")@y.values[[1]]

但是曲线ROC的问题是这样的：

Answer 1

我在MATLAB - generate confusion matrix from classifier回答了类似的问题 通过使用上面链接中给出的代码，如果您获得了如图所示的反向ROC曲线，则替换以下行（在链接中给出的代码中）：
1.替换链接上给出的代码中的行。

b_pred = (tot_op>=th_vals(i,1)); 

通过

b_pred = (tot_op<=th_vals(i,1));  

2。替换

行

AUC = sum(0.5*(sens(2:end)+sens(1:end-1)).*(cspec(2:end) - cspec(1:end-1))); 

通过

AUC = sum(0.5*(sens(2:end)+sens(1:end-1)).*(cspec(1:end-1) - cspec(2:end)));

在链接上给出的代码中。

Answer 2

使用“ ROCR”包可以很容易地做到这一点。 我用这样的东西来获得ROC曲线。

p1<- predict(svm,test, type="decision")
pr<-prediction(p1, test$status)
prf<- performance(pr, measure="tpr",x.measure="fpr")
plot(prf)
lines(x = c(0,1), y = c(0,1),col="blue")

Answer 3

你解决了这个问题吗？ 我遇到了同样的问题，从测试集中获得了反向ROC和AUC。

就我而言，可以解决对训练数据集进行排序的问题。

例如，

train <- train[order(train$y, decreasing = TRUE),]

Answer 4

不要使用decision.values，请尝试以下方法：

fit = f(x,y,probability = TRUE)
pred = prediction(attr(predict(fit,x_test, probability = TRUE), "probabilities")[,2], test[,colnames(test) == y_name])