MATLAB中Multiclass Logistic Regression绘制各分类ROC曲线AUC全为1问题求解

核心问题根因 #

你生成的ROC曲线完全重合、AUC全为1的问题出在自定义计算的diffscore变量上：

• One-vs-Rest多分类逻辑回归输出的scores矩阵中，第classNum列本身就是样本属于目标类别的置信度，不需要额外做差值计算
• 你自定义的diffscore是目标类别得分与其余所有类别最高得分的差值，这个值只能反映模型是否将该样本判定为目标类别（值为正则判定为目标类，为负则判定为其他类），完全丢失了原始置信度的排序信息。只要模型在测试集上预测准确率为100%，所有类别的AUC都会计算为1，且ROC曲线形态完全一致

代码修改方案 #

不需要保留diffscore的计算逻辑，直接替换生成ROC的代码即可：

classNum=3; % 替换为你要生成ROC曲线的目标类别
% 直接取目标类别的原始得分作为置信度输入perfcurve
[xROC,yROC,~,auc] = perfcurve(y_test, scores(:,classNum), classNum);

验证方法 #

• 输出scores矩阵的数值，确认每个维度的取值范围在0-1之间，符合sigmoid函数的输出特征
• 打印不同类别的AUC数值，确认不同类别之间存在符合预期的差异

内容的提问来源于stack exchange，提问作者STEMQs