ROC曲线反向绘制的特异性

Question

我希望绘制我已经构建的SVM分类器的ROC曲线，但是当我绘制数据时，x轴（特异性）从1.0 - >绘制。 -1.0，见下图。

为了绘制这个，我使用了以下内容：

> plot(roc(predictor = fit.down.Kernel$pred$Overshooting, response = fit.down.Kernel$pred$obs))

其中fit.down.Kernel是我的模型，Overshooting是我希望预测的目标功能。

显然我已经走错了路，有人能指出我正确的方向吗？

最终我有一堆模型，我使用各种不同的数据集（上采样，下采样......）进行训练，我希望使用ROC曲线直观地比较它们的性能。我想在进行多个绘图之前我需要让轴正常工作。

Answer 1

您可以在R中使用ROCR个包。请参阅下面的代码，并使用您的预测与实际结果。

Prob.mod是来自各种模型（1,2,3）和预测的预测。 y.test是你真正的超越

使用ROCR的预测功能

prediction.mod1 <- prediction(prob.mod1, y.test) 
prediction.mod2 <- prediction(prob.mod2, y.test)
prediction.mod3 <- prediction(prob.mod3, y.test)

计算AUC

auc.mod1=performance(prediction.mod1, "auc")@y.values)
auc.mod2=performance(prediction.mod2, "auc")@y.values)
auc.mod3=performance(prediction.mod3, "auc")@y.values)

绘制AUC

plot(auc.mod1, ylim=c(0.1, 1))
plot(auc.mod2, col=2, add=TRUE)
plot(auc.mod3, col=3, add=TRUE)