sklearn roc_curve 函数中定义了多少阈值？
How number of thresholds is defined in sklearn roc_curve function?
当我使用 sklearn 函数 roc_curve 对我的数据进行逻辑回归模型时：
roc_curve(y_test, predictions_test)
我得到了这个结果：
(array([0. , 0.1, 1. ]), array([0. , 0.865, 1. ]), array([2, 1, 0]))
In [137]:
我知道在第三个数组中有阈值，在第一个和第二个中有相应的TPR和FPR。但我不明白为什么有三个门槛。此函数中定义了多少阈值？例如，当我使用逻辑回归时，阈值必须是 sigmoid 函数的概率，但在这里它们是 2,1,0。为什么会这样？
正如您从 source code (within the call to _binary_clf_curve(), in turn called by roc_curve() here 中看到的那样，阈值的数量实际上是由不同 predictions_test 的数量定义的（原则上是分数）。但是，根据您的输出，我认为 predictions_test 可能是 .predict() 的输出（可能是多类分类问题？ - 在这种情况下，您需要将 ROC 曲线定义扩展到处理多类设置）而不是 .predict_proba() 或 .decision_function() 的 roc_curve 要求。
此外，请注意 roc_curve 也有一个参数 drop_intermediate（默认为 True），在某些情况下，它可能会降低次优阈值。
最终，我会推荐以下帖子：
用于将 ROC 曲线扩展到多类设置； or 以便更好地理解参数 drop_intermediate=True.
当我使用 sklearn 函数 roc_curve 对我的数据进行逻辑回归模型时：
roc_curve(y_test, predictions_test)
我得到了这个结果：
(array([0. , 0.1, 1. ]), array([0. , 0.865, 1. ]), array([2, 1, 0]))
In [137]:
我知道在第三个数组中有阈值，在第一个和第二个中有相应的TPR和FPR。但我不明白为什么有三个门槛。此函数中定义了多少阈值？例如，当我使用逻辑回归时，阈值必须是 sigmoid 函数的概率，但在这里它们是 2,1,0。为什么会这样？
正如您从 source code (within the call to _binary_clf_curve(), in turn called by roc_curve() here 中看到的那样，阈值的数量实际上是由不同 predictions_test 的数量定义的（原则上是分数）。但是，根据您的输出，我认为 predictions_test 可能是 .predict() 的输出（可能是多类分类问题？ - 在这种情况下，您需要将 ROC 曲线定义扩展到处理多类设置）而不是 .predict_proba() 或 .decision_function() 的 roc_curve 要求。
此外，请注意 roc_curve 也有一个参数 drop_intermediate（默认为 True），在某些情况下，它可能会降低次优阈值。
最终，我会推荐以下帖子：
drop_intermediate=True. 的含义