README

PHP 库，用于计算接收者操作特征（ROC）和曲线下面积（AUC）。

接收者操作特征曲线（ROC 曲线）是一种图形化图表，展示了当二分类器的判别阈值变化时，其诊断能力。ROC 曲线以假正率（误报）为X轴，以真正率（真检测）为Y轴进行绘制。它是确定机器学习中分类器效率的一个非常有用的工具。曲线下面积（AUC）是一种比较不同 ROC 曲线并确定最佳曲线的简单方法。AUC 值越接近 1，分类器越好。

安装

composer require cylab/php-roc

使用

值数组

namespace Cylab\ROC;

require __DIR__ . "/../vendor/autoload.php";

// for each value, we indicate if it is a true detection (true)
// or a false alarm (false)
$values = [];
$values[] = new SimpleValue(0.22568639331762, true);
$values[] = new SimpleValue(0.33365791865329, true);
$values[] = new SimpleValue(0.74073486204293, true);
$values[] = new SimpleValue(0.47706215198946, false);
$values[] = new SimpleValue(0.049798118439409, false);
$values[] = new SimpleValue(0.083663045933313, true);

$roc = ROC::fromValues($values);

// Get the Area Under the Curve (AUC)
echo "AUC : " . $roc->getAUC() . "\n";

// Inpect the points that draw the ROC
var_dump($roc->getPoints());

// Save ROC to png image
$roc->saveToPNG("/tmp/php-roc.png", 800, 600);

ROC 是由一个包含 `Value` 对象的数组构建的。一个 `Value` 包含一个分数（介于 0 和 1 之间）并指示这是一个真实警报（true）还是误报（false）。

一旦构建完成，你可以获取

• 曲线下面积：`getAUC()`
• 绘制 ROC 的点的坐标：`getPoints()`
• 将 ROC 保存为 png 图片：`saveToPNG($filename, $width, $height)`