给定使用绘制的ROC曲线plotroc.m（请参见此处）：
libsvm分类器以选定的（最佳）阈值工作？ROC曲线是通过在y轴上绘制真正分数与在x轴上绘制假正分数所生成的图。因此，ROC曲线上任意点（x，y）的坐标表示特定阈值处的FPR和TPR值。如图所示，我们在ROC曲线上找到了点（x，y），该点对应于该点距图的左上角的最小距离（即，由（0,1）给出）。对应于该点的阈值是所需阈值。抱歉，我不允许放置任何图像，所以无法用数字解释。但是，有关此详细信息，请单击与ROC相关的帮助
其次，在libsvm中，svmpredict函数返回您属于特定类的数据样本的概率。因此，如果该概率（对于阳性类别）大于阈值（从ROC图获得），则可以将样本分类为阳性类别。以下几行可能对您有用：
[pred_labels,~,p] = svmpredict(target_labels,feature_test,svmStruct,'-b 1');
％其中，svmStruct是svmtrain函数返回的结构。
op = p(:,svmStruct.Label==1); % This gives probability for positive
% class (i.e whose label is 1 )
现在，如果此变量“ op”大于阈值，则可以将相应的测试样品分类为阳性。这可以做到
op_labels = op> th; ％，其中“ th”是从ROC获得的阈值
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句