Question

对于使用SVM进行二进制分类，我有以下代码，以及10个交叉验证，

更新：找到了解决方案，请参阅下面的注释

k=10;
cp = classperf(lables); 
cvFolds = crossvalind('Kfold', lables, k);   
 for i = 1:k                                 
  testIdx = (cvFolds == i);                %# get indices of test instances
  trainIdx = ~testIdx;                     %# get indices training instances


   svmModel = fitcsvm(data_features(trainIdx,:), lables(trainIdx), 
   'Standardize',true,'KernelFunction','RBF','KernelScale','auto');

  [label,score] = predict(svmModel, data_features(testIdx,:));
  cp = classperf(cp, pred, testIdx);
  cumulative_score= [cumulative_score; score];
  label1 = [label1; label];

end
acc= cp.CorrectRate;
conf= cp.CountingMatrix;

我想在Matlab中使用perfcurve函数绘制ROC曲线，但是，输入的“得分”会改变每一折，因此不能在k折循环之外使用。

[X,Y] = perfcurve(labels,scores,posclass)

在这种情况下如何绘制ROC的任何建议？注意：通过在循环内添加cumulative_score= [cumulative_score; score];来解决上述问题，并将其用作perfcurve

的输入

Answer 1

通过在循环内添加cumulative_score= [cumulative_score; score];，并将其用作perfcurve的输入

使用Matlab perfcurve在交叉验证中绘制ROC曲线

1 个答案: