如何使用混淆矩阵的值绘制 ROC 曲线？答案

【问题标题】：How to draw ROC curve using value of confusion matrix?如何使用混淆矩阵的值绘制 ROC 曲线？
【发布时间】：2017-08-29 07:40:45
【问题描述】：

假设我有一个像 A 这样的分类器，它的分类结果给了我下表：

    TP  TN  FP  FN
A   225 100 175 100

TP 是真阳性

TN 为真阴性

FP 是假阳性

FN 是假阴性

如何绘制 ROC 曲线？

我知道，我可以定义一个变量，并尝试根据 A 预测它，然后制作一个完全模拟上述值的数据框，最后，我可以使用this 代码。但我认为应该有更简单的方法？

【问题讨论】：

标签： r

【解决方案1】：

这是不可能的，因为您只有分类器的某个（未知）阈值的混淆矩阵。 ROC 曲线包含有关所有可能阈值的信息。

混淆矩阵对应于 ROC 曲线上的一个点：

灵敏度 = TP / (TP + FN)
1 - 特异性 = TN / (TN + FP) 。

【讨论】：

您对此有何看法？ researchgate.net/post/…
你应该为不同的阈值建立这样一个表，得到不同的点，从而得到 ROC 曲线的形状。
@user5363938 在链接的讨论中，我们获得了每次观察的分数和真实值。您只在问题中提供了一个混淆矩阵。
那么，我如何模拟导致相同混淆矩阵的数据框？
不确定你要去哪里，但你可以让所有正值 1 和所有负值 0。但这不会给你更多的洞察力，虽然......测试/实际组合是 TP ：1-1，FP：1-0，TN：0-0，FN：0-1。如果您根据需要通过rep这些行来创建一个data.frame，您将能够绘制ROC曲线，但它不会很有用。

【解决方案2】：

我不明白你为什么要模拟一个新变量。你基本上是要求从一个点绘制一条曲线，这是不可能的。相反，您应该只在用于训练模型的训练或测试数据中使用因变量。这将允许您找到您认为最佳的截止点。

pROC 软件包使我们能够轻松绘制 ROC 曲线。假设我们有一个名为 test 的数据框和一个名为 mymodel 的模型，我们可以这样使用：

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

【讨论】：