1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/Y52ckptt
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分仿真图预览
3.算法概述
AUC（Area Under Curve）被定义为ROC曲线下的面积。我们往往使用AUC值作为模型的评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好，而作为一个数值，对应AUC更大的分类器效果更好。
其中，ROC曲线全称为受试者工作特征曲线 （receiver operating characteristic curve），它是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（敏感性）为纵坐标，假阳性率（1-特异性）为横坐标绘制的曲线。
AUC就是衡量学习器优劣的一种性能指标。从定义可知，AUC可通过对ROC曲线下各部分的面积求和而得。
4.部分源码
clc;
clear;
close all;
warning off;
addpath(genpath(pwd));
load fisheriris
% Classification 1
labels = strcmp(species, 'virginica');
S2=SimpleClassifier(meas, labels, 'virginica');
S2=S2.clas_LOOCV('linear');
S2.disp_conf();
S2=S2.roc_curve_perf_pos();
% Classification 2
labels = strcmp(species, 'versicolor');
S3=SimpleClassifier(meas, labels, 'versicolor');
S3=S3.clas_LOOCV('linear');
S3.disp_conf();
S3=S3.roc_curve_perf_pos();
plot(S2, S3)
mama174
