machine-learning - 如果 ROC 曲线中的误报率不以 1.0 结尾可以吗？

Question

我有以下 ROC 曲线:

它不会以 1.0 结尾，因为例如我的预测包括零

预测 = [0.9, 0.1, 0.8, 0.0]

对于 ROC 曲线，我采用前 k 个预测，首先是 {0.9}，然后是 {0.9, 0.8} 等。如果预测中不再有大于 0 的值，则预测不再随着增加而改变k.

所以我无法得到零的真负值，并且由于误报率为 fp/(fp+tn)，因此曲线在达到 1 之前结束。

现在，我是否也应该人为地使用零进行预测，或者曲线就这样结束可以吗？使用零也感觉不对。或者我错过了什么？

Answer 1

ROC 曲线显示了将阈值设置为不同值时误报和误报之间可能的权衡。在一个极端情况下，您可以将阈值设置得太低，以便将所有内容标记为阳性，从而使假阴性率为 0，假阳性率为 1。在另一个极端情况下，您可以将阈值设置得太高，以便将所有内容标记为阳性为阴性，假阴性率为 1，假阳性率为 0。

虽然这些退化情况在实践中没有用，但它们在理论上仍然是有效的权衡，并且是 ROC 曲线的正常部分。