多阈值混淆矩阵

Question

我正在尝试（高效地）为多个阈值运行sklearn.metrics.confusion_matrix。我需要这样做，这样我就可以告诉客户，在任何给定的百分比的挑战中，人们应该期待什么样的表现。在

目前，我在一个循环中执行，超过所有可能的阈值，但这是缓慢和低效的。有什么方法可以在一行代码中完成，或者类似的操作？在

threshold_list = (np.linspace(1, 0, 1001)).tolist()
for threshold in threshold_list:
    df.loc[df['score'] >= threshold,'prediction'] = '1'
    arr = confusion_matrix(df['true'].astype('int16').values, df['prediction'].astype('int16').values)
    ....
    ....

Answer 1

如果TPr和FPr对你来说足够了。您可以执行以下操作：

y_true=[1,0,0,1,1,0,0]
y_pred=[0.67, 0.48, 0.27, 0.52, 0.63, 0.45, 0.53]
fpr, tpr, thresholds = roc_curve(y_true, y_pred)
res = pd.DataFrame({'FPR': fpr, 'TPR': tpr, 'Threshold': thresholds})
res[['TPR', 'FPR', 'Threshold']]

输出：

^{pr2}$