分类或聚类结果的 ROC 曲线

Question

假设我使用 k 均值等方法将包含 1000 个实例的 5 个类的训练数据集聚类为 5 个簇（中心）。然后，我通过在测试数据集上进行验证来构建混淆矩阵。然后我想用它绘制 ROC 曲线，怎么可能做到这一点？

Answer 1

Roc 曲线显示真阳性率和假阳性率之间的权衡。换句话说

ROC 图是二维图，其中 TP 率绘制在 Y 轴上，FP 率绘制在 X 轴上 ROC 图：研究人员的注释和实际考虑因素

当您使用离散分类器时，该分类器仅在 ROC 空间中生成单个点。通常你需要一个产生概率的分类器。您更改分类器中的参数，以便您的 TP 和 FP 率发生变化。之后，您可以使用这些点绘制 ROC 曲线。

假设您使用 k 均值。K 均值离散地为您提供集群成员资格。一个点属于 ClusterA 或 .. ClusterE。因此，从 k 均值输出 ROC 曲线并不简单。Lee 和 Fujita 为此描述了一种算法。你应该看看他们的论文。但算法是这样的。

1. 应用 k 均值
2. 使用测试数据计算TP和FP。
3. 将数据点的成员资格从一个集群更改为第二个集群。
4. 再次使用测试数据计算TP和FP。

正如你所看到的，他们在 ROC 空间中获得更多的点，并使用这些点来绘制 ROC 曲线