python - 在 python 中计算 roc 曲线的二元分类器的 TPR 和 FPR

Question

我试图计算真阳性率和假阳性率，然后手动绘制 roc 曲线，因为我想检查从 sklearn.metrics roc_curve 函数获得的 roc 曲线。但是我得到的 fpr(在 x 轴上)与 tpr(在 y 轴上)的 roc 曲线似乎轴已经互换了。我正在做一个带有正负两个标签的梯度下降二元分类器。 tpr、fpr计算的tensorflow相关部分代码如下:

prediction=tf.nn.softmax(tf.matmul(X,w)+b)
pred_pos= prediction.eval(feed_dict={X: x_pos})
pred_neg= prediction.eval(feed_dict={X: x_neg})
tpr=[]
fpr=[]
for j in range(100):
    pos=0
    neg=0
    n=j/100.
    for i in range(0,len(pred_pos)):
            if(pred_pos[i,1]>=n):
                pos+=1
            if(pred_neg[i,1]>=n):
                neg+=1
    tpr.append(pos/len(x_pos))
    fpr.append(neg/len(x_neg))

f= open('output.txt','wb')
arr=np.array([fpr,tpr])
arr=arr.T          
np.savetxt(f,arr,fmt=['%e','%e'])    
f.close()

然后我使用带有 fpr(x 轴)和 tpr(y 轴)的 gnuplot 从文本文件中绘图，并且附上绘图。 这当然是不对的。为什么会这样？我做错了什么？

Answer 1

我发现了代码的问题。而不是 if(pred_pos[i,1]>=n): 它应该是 if(pred_pos[i,0]>=n):(类似于 pred_neg ),然后它给出 fpr 和 tpr 的正确值，其中 tpr 更大。这是因为数据的标记是 [1,0] 代表正数，[0,1] 代表负数。所以决定位在预测数组的第0位。