ROC曲线及其代码实现

一、基本概念

ROC曲线（Receiver Operating Characteeristic Curve）是显示Classification模型真正率和假正率之间折中的一种图形化方法。 

解读ROC图的一些概念定义:： 

真正（True Positive , TP）被模型预测为正的正样本 
假负（False Negative , FN）被模型预测为负的正样本 
假正（False Positive , FP）被模型预测为正的负样本 
真负（True Negative , TN）被模型预测为负的负样本 

真正率（True Positive Rate , TPR）或灵敏度（sensitivity） 
TPR = TP /（TP + FN） 
正样本预测结果数 / 正样本实际数 

假负率（False Negative Rate , FNR） 
FNR = FN /（TP + FN） 
被预测为负的正样本结果数 / 正样本实际数 

假正率（False Positive Rate , FPR） 
FPR = FP /（FP + TN） 
被预测为正的负样本结果数 /负样本实际数 

真负率（True Negative Rate , TNR）或特指度（specificity） 
TNR = TN /（TN + FP） 
负样本预测结果数 / 负样本实际数 

目标属性的被选中的那个期望值称作是“正”（positive） 

ROC曲线上几个关键点的解释： 

( TPR=0,FPR=0 ) 把每个实例都预测为负类的模型 
( TPR=1,FPR=1 ) 把每个实例都预测为正类的模型 
( TPR=1,FPR=0 ) 理想模型

一个好的分类模型应该尽可能靠近图形的左上角，而一个随机猜测模型应位于连接点（TPR=0,FPR=0）和（TPR=1,FPR=1）的主对角线上。 

ROC曲线下方的面积（AUC）提供了评价模型平均性能的另一种方法。如果模型是完美的，那么它的AUG = 1，如果模型是个简单的随机猜测模型，那么它的AUG = 0.5，如果一个模型好于另一个，则它的曲线下方面积相对较大。

二、 如何画roc曲线

       假设采用逻辑回归分类器，其给出针对每个实例为正类的概率，那么通过设定一个阈值如0.6，概率大于等于0.6的为正类，小于0.6的为负类。对应的就可以算出一组(FPR,TPR),在平面中得到对应坐标点。随着阈值的逐渐减小，越来越多的实例被划分为正类，但是这些正类中同样也掺杂着真正的负实例，即TPR和FPR会同时增大。阈值最大时，对应坐标点为(0,0),阈值最小时，对应坐标点(1,1)。

 

假设已经得出一系列样本被划分为正类的概率，然后按照大小排序，下图是一个示例，图中共有20个测试样本，“Class”一栏表示每个测试样本真正的标签（p表示正样本，n表示负样本），“Score”表示每个测试样本属于正样本的概率。

接下来，我们从高到低，依次将“Score”值作为阈值threshold，当测试样本属于正样本的概率大于或等于这个threshold时，我们认为它为正样本，否则为负样本。举例来说，对于图中的第4个样本，其“Score”值为0.6，那么样本1，2，3，4都被认为是正样本，因为它们的“Score”值都大于等于0.6，而其他样本则都认为是负样本。每次选取一个不同的threshold，我们就可以得到一组FPR和TPR，即ROC曲线上的一点。这样一来，我们一共得到了20组FPR和TPR的值，将它们画在ROC曲线的结果如下图：

  

AUC(Area under Curve)：Roc曲线下的面积，介于0.1和1之间。Auc作为数值可以直观的评价分类器的好坏，值越大越好。

首先AUC值是一个概率值，当你随机挑选一个正样本以及负样本，当前的分类算法根据计算得到的Score值将这个正样本排在负样本前面的概率就是AUC值，AUC值越大，当前分类算法越有可能将正样本排在负样本前面，从而能够更好地分类。

三、 代码实现

predict = [0.9,0.8,0.7,0.6,0.55,0.54,0.53,0.52,0.51,0.505,0.4,0.39,0.38,0.37,0.36,0.35,0.34,0.33,0.3,0.1];
ground_truth = [1,1,0,1,1,1,0,0,1,0,1,0,1,0,0,0,1,0,1,0];
auc = plot_roc(predict,ground_truth)

function auc = plot_roc(predict,ground_truth)
pos_num = sum(ground_truth==1);
neg_num = sum(ground_truth==0);

m = size(ground_truth,2);
[pre,Index] = sort(predict);
ground_truth = ground_truth(Index);
x = zeros(m+1,1);
y = zeros(m+1,1);
auc = 0;
x(1) = 1; y(1) = 1; %当阈值为0.1时，都被分类为了正类，所以真阳率和假阳率都为1.
for i = 2:m
    TP = sum(ground_truth(i:m) == 1); %大于x(i)的标签为1的都是真阳，大于x(i)的标签为0的都是假阳
    FP = sum(ground_truth(i:m) == 0);
    x(i) = FP/neg_num;
    y(i) = TP/pos_num;
    auc = auc + (y(i)+y(i-1))*(x(i-1)-x(i))/2;
end

x(m+1) = 0; y(m+1) = 0;
auc = auc + y(m)*x(m)/2;%这句多余
plot(x,y);
end

predict ——分类器对于测试集的分类结果

ground_truth——测试集的正确标签，即为0和1

auc——范湖ROC曲线下的面积

 

转自：http://www.360doc.com/content/14/1208/23/19252401_431420662.shtml

           https://blog.csdn.net/chl033/article/details/4507544

           https://www.cnblogs.com/dlml/p/4403482.html