多个类均值ROC计算

Question

假设我有（为简单起见）3 class 对象检测器，我想绘制平均 ROC 曲线。我可以为每个 class 成功绘制 ROC，如下所示。

值是正确的，曲线也是如此。问题是我有（正如你在图中看到的那样）每个 class.

的样本数量不同

例如（随机数据）：

Class 31
FPR :['0.00', '0.20', '0.30']
TPR :['0.00', '0.20', '0.30']

Class 39
FPR :['0.00', '0.20', '0.30', '0.40', '0.50']
TPR :['0.00', '0.20', '0.30', '0.40', '0.50']

Class 42
FPR :['0.00', '0.20', '0.30', '0.40', '0.50', '0.60', '0.70', '0.80']
TPR :['0.00', '0.20', '0.30', '0.40', '0.50', '0.60', '0.70', '0.80']

我正在使用 this script for evaluation (recall/sensitivity is already calculated as you can see on the line 647) 并且我稍微修改了它以计算 FPR（1-特异性）如下：

fpr = tp[:]
for idx, val in enumerate(tp):
    fpr[idx] = float(fp[idx]) / (fp[idx] + (gt_counter_per_class[class_name] - tp[idx]))

并绘制 ROC（召回率与 1-特异性）如下

plt.plot(fpr, rec, label='ROC curve of the class {0} (AUC = {1:0.2f})'
         ''.format(class_name, auc(fpr, rec)))

我已经在这上面花了几个小时，但无法弄清楚如何从多条 ROC 曲线（对于每条 class）计算平均 ROC，如果有 不同的计数 每个 class 的样本数。感谢您的帮助。

Answer 1

我能够分别对每个 class 使用插值来解决这个问题

mean_fpr = np.linspace(0, 1, 100)
tprs.append(interp(mean_fpr, fpr, tps))

然后计算平均值

mean_tpr = np.mean(tprs, axis=0)

plt.plot(mean_fpr, mean_tpr, color='k',
     label='Mean ROC (AUC = {0:0.2f})'.format(mean_auc))

结果如下所示

多个类均值ROC计算

Multiple classes mean ROC calculation

python

object-detection

roc