如何使用混淆矩陣的值繪製ROC曲線？

考慮我有一個像A的分類及其分類的結果給了我如下表：如何使用混淆矩陣的值繪製ROC曲線？

TP TN FP FN 
A 225 100 175 100

TP是真陽性

TN是真陰性

FP是假模型正

FN是假陰性

如何我ca n繪製ROC的曲線曲線？

我知道，我可以定義一個變量，並嘗試基於A預測它，然後創建一個完全模擬上述值的數據幀，最後，我可以使用this代碼。但我認爲應該有一個更簡單的方法？

ROC曲線繪製的概率，而不是「閾限」的預測。嘗試從模型中獲取原始輸出。 – JanLauGe

這是不可能的，因爲您對分類器的某個（未知）閾值只有一個混淆矩陣。 ROC曲線包含有關所有可能閾值的信息。

混淆矩陣對應於你的ROC曲線的單點：

靈敏度= TP/TP + FN
1 - Specificy = TN/TN + FP

2017-04-04 08:14:08 AlexR

您對此有何看法？ https://www.researchgate.net/post/How_can_I_draw_a_ROC_curve_having_TP_Rate_and_FP_Rate_Values – user5363938

您應該針對不同的閾值建立這樣的表格，獲得不同的點以及ROC曲線的形狀。 – R18

@ user5363938在鏈接的討論中，我們給出了每個觀察的分數和真實值。你只在你的問題中提供了一個混淆矩陣。 – AlexR

我不明白你爲什麼'd模擬一個新的變量。你基本上要求從單一點繪製曲線，這是不可能的。相反，您應該在訓練或測試數據中使用因變量來訓練模型。這將允許您找到您認爲最佳的截止點。

pROC軟件包允許我們輕鬆繪製ROC曲線。假設我們有一個數據幀名爲測試和模型命名爲MyModel，我們可以使用這樣的事情：

library('pROC') 
plot(roc(test$y, predict(mymodel, test, type = "prob"))

2017-04-04 08:14:26 WHoekstra

請注意，ROC需要預測的_probability_而不是預測的_class_。 – AlexR

回答