了解如何绘制ROC曲线

Question

想我已经格式化的模型下面的分类结果：

actual.class score.actual.class 
A   1 
A   1 
A   0.6 
A   0.1 
B   0.5 
B   0.3 
.   . 
.   . 

1 - 如果我没理解好，ROC曲线绘制真阳性之间的权衡和误报。这意味着我需要改变一个班级（真正的班级）的分数阈值，而不是两个，对吗？我的意思是，如果我选择A作为真正的课程，那么我将只使用subset(results,actual.class="A")绘制ROC曲线？

2 - 如果我想手动生成曲线（没有库），那么阈值是否会来自该子集的每个可能得分？

3 - 为了绘制ROC曲线的目的，是否从上述数据中正确生成了以下几点？ （我正在使用A级作为真实课程）

threshold fpr tpr 
1   1 0 
0.6  1/2 1/2 
0.1  1/4 3/4  
0   0 1 

难道这些要构成我的ROC？

Answer 1

“这意味着我需要改变 一个类别（真实类别）的分数阈值，而不是两个，对不对？”

似乎有一个误解，因为没有这样的事情作为一个单独的正面或负面的门槛。 ROC曲线用于评估二进制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）。

阈值的选择只能改变平衡，这样更多的观察被分配到一种类型而不是另一种。阈值的这种变化是允许绘制ROC曲线的参数。否则它只是一个点。

关于你的第三点：是的，就我的例子而言，我可以说这种数据通常构成ROC曲线。