原文链接:http://tecdat.cn/?p=15508
绘制ROC曲线通过Logistic回归进行分类
加载样本数据。load fisheriris通过使用与versicolor和virginica物种相对应的度量来定义二元分类问题。pred = meas(51:end,1:2);定义二进制响应变量。resp = (1:100)'>50; % Versicolor = 0, virginica = 1拟合逻辑回归模型。mdl = fitglm(pred,resp,'Distribution','binomial','Link','logit');计算ROC曲线。使用逻辑回归模型中的概率估计值作为得分。
perfcurve 将阈值存储在数组中。
显示曲线下的面积。AUCAUC = 0.7918
曲线下的面积为0.7918。最大AUC为1,对应于理想分类器。较大的AUC值表示更好的分类器性能。
绘制ROC曲线plot(X,Y)xlabel('False positive rate')ylabel('True positive rate')title('ROC for Classification by Logistic Regression')
使用ROC曲线比较分类方法
加载样本数据load ionosphereX 是351x34预测变量的矩阵。 Y 是类别标签的字符数组: 'b' 不良雷达回波和