我指的是下面的链接和样本,并张贴了从这一页的情节图,我感到困惑。我的困惑是,只有4个阈值,但roc曲线似乎有许多数据点(>;4个数据点),想知道roc_曲线如何在底层工作以找到更多的数据点?
http://scikit-learn.org/stable/modules/model_evaluation.html#roc-metrics
>>> import numpy as np
>>> from sklearn.metrics import roc_curve
>>> y = np.array([1, 1, 2, 2])
>>> scores = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, tpr, thresholds = roc_curve(y, scores, pos_label=2)
>>> fpr
array([ 0. , 0.5, 0.5, 1. ])
>>> tpr
array([ 0.5, 0.5, 1. , 1. ])
>>> thresholds
array([ 0.8 , 0.4 , 0.35, 0.1 ])
这个图实际上来自这个例子:http://scikit-learn.org/stable/auto_examples/model_selection/plot_roc.html
正如HaohanWang所提到的,roc曲线函数中的参数'drop_intermediate'可以降低一些次优阈值,以创建更轻的roc曲线。(roc_curve)。如果将参数设置为False,则将显示所有阈值,例如: enter image description here 所有的阈值以及相应的TPRs和fpr都是计算出来的,但其中一些对于绘制ROC曲线是无用的。
相关问题 更多 >
编程相关推荐