经过一轮完整的交叉验证后,所有观测值都已经被分类了一次(虽然是由不同的模型进行分类),并被赋予了属于感兴趣类别的概率估计值或类似的统计量。这些概率可以像外部测试集上获得的概率一样用来生成ROC曲线。只需从0到1变化分类阈值并计算类别误差率,即可生成所需曲线。然而,通常您会希望进行多轮交叉验证,因为性能取决于如何划分折叠数据。我不确定如何计算所有轮次的平均ROC曲线。我建议将它们全部绘制出来并计算平均AUC值。
关于Backlin的后续: k折或留一法交叉验证的不同运行结果变化表明了模型的不稳定性,这是宝贵的信息。 当然,您可以汇总结果并生成一个ROC曲线。 但您也可以绘制一组曲线,例如使用R软件包ROCR。 或者计算不同阈值下的中位数和IQR,并构建代表这些变化的带状图。以下是一个示例:阴影区域是125次8折交叉验证观察到的四分位距。细黑色区域包含特定阈值下观察到的一半特异度-敏感度对,中位数由x标记(忽略+标记)。