这个函数计算接受者操作特征曲线,代表两类1-specificity和敏感的数据,(即。,class_1 class_2)。

函数也返回所有需要的定量参数:阈值的位置,距离最佳点,敏感性、特异性、准确性、曲线下面积(AROC)、正面和负面预测值(PPV NPV),假的正面和负面的利率(FNR,玻璃钢),错误发现率(罗斯福),错误遗漏率(),F1得分,马修斯相关系数(MCC), Informedness (BM)和显著;以及真正的阳性(TP)的数量,真正的底片(TN),假阳性(FP),和假阴性(FN)。

使用的例子:
class_1 = 0.5 * randn (100 1);
class_2 = 0.5 + 0.5 * randn (100 1);
roc_curve (class_1 class_2);