ROCR - 奇怪的ROC曲线

Question

我有一些用于评分的p值。每个概率都给出了真阳性或假阳性。这个想法是绘制统计测试的表现。但是，我生成的ROC曲线没有任何意义。请复制并粘贴代码以重现它。

代码：

library(ROCR)
scores <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0.999999999999998,0.999999999999982,0.999999999999943,0.999999999999782,0.999993691351422,0.999930748187179,0.999929270075887,0.995652667490613,0.993101105927916,0.983764828478107,0.962452067884637,0.908463667964783)
labels <- c(2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,1,2,2,2,2,2,2,2,2,2,1,1,2,2,2,2,2,2,2,2,2,1,2,2,1,2,2,2,2)
orders <- c(1, 2)

pred <- prediction(scores, labels, label.ordering=orders)
perf <- performance(pred, "tpr","fpr")

plot(perf, colorize=TRUE, cex.lab=2, cex.main=2, lwd=10)

Answer 1

关于ROC： ROC曲线显示了FPR和TPR之间所有可能的阈值之间的权衡，因此可以查看曲线并选择最佳阈值。这完全取决于您尝试解决的业务案例。你想最小化FPR或TPR还是其他什么？

关于这个问题： 在这种情况下，对角线意味着FPR和TPR之间没有折衷（直到某一点）。取消错误标记观察是否是积极的是相同的，IMO是完全可能的。但它是否反对直觉？这取决于您尝试解决的商业案例。