我想为我构建的SVM分类器绘制ROC曲线，但当我绘制数据时，x轴（特异性）是从1.0 -> -1.0绘制的，请看下面的图片。
为了绘制这个曲线，我使用了以下代码：
> plot(roc(predictor = fit.down.Kernel$pred$Overshooting, response = fit.down.Kernel$pred$obs))其中fit.down.Kernel是我的模型，Overshooting是我希望预测的目标特征。
显然，我的方法是错误的，有人能指导我正确的方向吗？
最终，我有一系列模型，这些模型是使用各种不同的数据集（上采样、下采样等）训练的，我希望通过ROC曲线来直观地比较它们的性能。我猜在进行多重绘图之前，我需要先正确设置轴。
回答：
你可以使用R中的ROCR包。参考下面的代码，并结合你的预测结果与实际结果使用。
Prob.mod是来自不同模型（1, 2, 3）的预测结果，y.test是你实际的Overshooting
使用ROCR中的Prediction函数
prediction.mod1 <- prediction(prob.mod1, y.test) prediction.mod2 <- prediction(prob.mod2, y.test)prediction.mod3 <- prediction(prob.mod3, y.test)计算AUC
auc.mod1=performance(prediction.mod1, "auc")@y.values)auc.mod2=performance(prediction.mod2, "auc")@y.values)auc.mod3=performance(prediction.mod3, "auc")@y.values)绘制AUC
plot(auc.mod1, ylim=c(0.1, 1))plot(auc.mod2, col=2, add=TRUE)plot(auc.mod3, col=3, add=TRUE)