如何使用 scikit-learn 绘制二进制值分数的 ROC 曲线？

Question

我使用下面显示的代码绘制了一个 ROC curve：

fpr["micro"], tpr["micro"], _ = roc_curve(y_test.ravel(), y_score.ravel())

plt.plot(fpr["micro"], tpr["micro"],
         label='ROC curve Fold1 (area = %0.2f)' % roc_auc1["micro"])

我想要一个看起来像曲线的图，但是我现在实现的，如下图所示，由两条直线组成：

Answer 1

ROC 曲线是一种将一组 连续值 分数与一组二进制值标签进行比较的方法，方法是对分数应用不同的辨别阈值。

如果您的分数已经是二进制的，则无需应用任何阈值 - 只需通过直接将分数与标签进行比较来计算真阳性率和假阳性率，例如：

tpr = np.mean((y_score == 1) & (y_label == 1))
fpr = np.mean((y_score == 1) & (y_label == 0))

如果您尝试绘制一组二进制分数的 ROC 曲线，您最终会得到一条仅包含三个点的线，因为只有三对可能的 TPR/FPR 值：

如果threshold > 1那么你将每个样本都归类为阴性，因此你的 FPR 和 TPR 都是 0。
如果threshold <= 0那么您将每个样本都归类为阳性，因此您的 TPR 等于标签集中 1 的分数，而 FPR 等于标签中 0 的分数。
如果0 < threshold <= 1那么你的TPR和FPR值等于上面计算的标准TPR和FPR值。

就是这样。

如何使用 scikit-learn 绘制二进制值分数的 ROC 曲线？

How to plot an ROC curve for binary-valued scores using scikit-learn?

python

roc

scikit-learn