元素的ROC曲线计算
ROC-Curve calculation of elements
我知道 ROC 曲线是根据真阳性率和假阳性率计算得出的。
但是 ROC 曲线在它的曲线上有无限的元素，对吧？每个元素是如何计算的？谁可以给我解释一下这个？每个点来自哪里？
Example
提前致谢
计算分类器阈值的所有值。
在 x 轴上，您有给定阈值的 "false positive rate"：FPR = FP / (TN + FP) 其中：
- FP是假阳性的数量（预测为阳性但为阴性的元素）；
- TN true negative 的个数（元素预测为负且真的为负）；
- 和 FP 是假阳性的数量（预测为阳性但为阴性的元素）。
在 y 轴上，您有给定阈值的 "true positive rate"：TPR = TP / (TP + FN) 其中：
- TP 为真阳性（预测为阳性和确实为阳性）的数量；
- FN 假阴性（预测为阴性但为阳性）的数量。
你在实践中没有无限多的点：你被数据集的点数所限制（对于某些阈值范围，速率不会改变）。
我知道 ROC 曲线是根据真阳性率和假阳性率计算得出的。
但是 ROC 曲线在它的曲线上有无限的元素，对吧？每个元素是如何计算的？谁可以给我解释一下这个？每个点来自哪里？
Example
提前致谢
计算分类器阈值的所有值。
在 x 轴上，您有给定阈值的 "false positive rate"：FPR = FP / (TN + FP) 其中：
- FP是假阳性的数量（预测为阳性但为阴性的元素）；
- TN true negative 的个数（元素预测为负且真的为负）；
- 和 FP 是假阳性的数量（预测为阳性但为阴性的元素）。
在 y 轴上，您有给定阈值的 "true positive rate"：TPR = TP / (TP + FN) 其中：
- TP 为真阳性（预测为阳性和确实为阳性）的数量；
- FN 假阴性（预测为阴性但为阳性）的数量。
你在实践中没有无限多的点：你被数据集的点数所限制（对于某些阈值范围，速率不会改变）。