原文自http://blog.csdn.net/fuhpi/article/details/8813455
ROC曲線是通用的分類器評價工具，matlab函數中自帶了繪製該曲線的函數plotroc。
plotroc函數的原型爲：plotroc(targets, outputs)
其中參數targets是一個矩陣，代表測試集，每一列表示一個測試樣本的標籤
如果有兩類樣本，比如第1,2,5個樣本屬於第1類，第3,4,6個樣本屬於第2類….則targets應爲：
1 1 0 0 1 0 ...
0 0 1 1 0 1 ...如果只有一類樣本，包含了負樣本，則只要一行，用1表示正樣本，0表示負樣本即可,比如targets爲：
1 0 1 1 0 0 0 0 1 ... 參數outputs也是一個矩陣，代表分類結果，同樣每一列表示一個測試樣本的分類結果
同樣如果有兩類樣本，則應有兩個分類器，每一列記錄了每個測試樣本在兩個分類器上的得分，此時outputs爲：
0.8 0.85 0.2 0.75 0.21 ...
0.8 0.01 0.9 0.23 0.67 ... 如果只有一類，則outputs只有一行，如：
0.8 0.6 0.8 0.7 0.05 0.3 0.03 ...注意，得分必須在[0, 1]的區間內，可以自己規約一下。
我們將相應的測試標籤targets和對應的分類得分outputs輸入plotroc中就可以繪製出相應的ROC曲線了。
有人問起，我也就在網上搜了一下，發現還有很多人不會用，寫下來以供參考，歡迎指正。
補記：似乎使用matlab中的plot()與roc()組合也能完成ROC曲線繪製。
matlab中還給出了一個例子，幫助信息如下：
–> help plotroc
plotroc Plot receiver operating characteristic.
plotroc(targets,outputs) takes target data in 1-of-N form (each column
vector is all zeros with a single 1 indicating the class number), and
output data and generates a receiver operating characteristic plot.
The best classifications will show the receiver operating line hugging
the left and top sides of the plots axis.
plotroc(targets,1,outputs1,’name1’,targets2,outputs2,names2,…)
generates a variable number of confusion plots in one figure.
Here a pattern recognition network is trained and its accuracy plotted:
[x,t] = simpleclass_dataset;
net = patternnet(10);
net = train(net,x,t);
y = net(x);
plotroc(t,y);
See also roc, plotconfusion, ploterrhist, plotregression.
Reference page in Help browser
doc plotroc