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 - 如果我理解得好，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 class （真正的 class ）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") 来绘制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，是否从上述数据中正确生成了以下几点？ （我使用A级作为真正的 class ）
threshold fpr tpr
1 1 0
0.6 1/2 1/2
0.1 1/4 3/4
0 0 1
这些将成为我的ROC的要点吗？
1 回答
似乎存在误解，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 balancer ，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 .