了解如何绘制ROC曲线

Question

假设我已将模型的分类结果格式化如下：

actual.class score.actual.class
A            1
A            1
A            0.6
A            0.1
B            0.5
B            0.3
.            .
.            .

1 - 如果我理解的话，ROC曲线绘制了真阳性和误报之间的权衡。这意味着我需要改变一个班级（真正的班级）的得分门槛，而不是两者，对吗？我的意思是如果我选择A作为真正的类，那么我只使用subset(results,actual.class="A")绘制ROC曲线？

2 - 如果我想手动生成曲线（没有库），那么阈值将是该子集的每个可能得分吗？

3 - 为了绘制ROC曲线，上述数据是否正确生成了以下几点？ （我使用A级作为真正的班级）

threshold fpr tpr
1         1   0   
0.6       1/2 1/2 
0.1       1/4 3/4      
0         0   1

这些是否会形成我的ROC？

Answer 1

  

“这意味着我需要改变分数阈值   一个班级（真正的班级），而不是两个班级，对吗？“

似乎存在一种误解，因为没有单独的正面或负面阈值。 ROC曲线用于评估二元分类算法的上下文中。在这样的算法中，不属于一种类型（TRUE）的元素被自动识别为另一种类型的元素（FALSE）。

阈值的选择可能仅改变平衡，使得更多观察被分配给一种类型而不是另一种类型。阈值的这种变化是允许绘制ROC曲线的参数。否则，这只是一点。

关于你的第三点：是的，据我所知，我会说这种数据通常构成一条ROC曲线。