ROC曲线反向绘制的特异性

Question

我想为我构建的 SVM 分类器绘制 ROC 曲线，但是当我绘制数据时，x 轴（特异性）从 1.0 -> -1.0 绘制，请参见下图。

为了绘制它，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特征。

显然我走错了路，请问谁能指出正确的方向吗？

最终我有一堆模型，我已经使用各种不同的数据集（上采样、下采样...）进行了训练，我希望使用 ROC 曲线直观地比较它们的性能。我想我需要先让轴正常工作，然后再进行多个绘图。

Answer 1

您可以在 R 中使用 ROCR 包。请参考下面的代码，并使用您的预测与实际结果。

Prob.mod 是各种模型（1、2、3）的预测，y.test 是您的实际超调

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)

正在计算 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)