python - 多标签分类中的 roc_curve 有斜率

Question

我有一个用 Keras 编写的多标签分类器，我想从中计算 AUC 并为从测试集中分类的每个元素绘制 ROC 曲线。

一切看起来都很好，除了一些元素有一条斜率如下的 roc 曲线:

我不知道在这种情况下如何解释斜率。

基本上我的工作流程如下，我有一个预先训练的模型，Keras的实例，并且我有特征X和二值化标签y ，y中的每个元素都是一个长度为1000的数组，因为这是一个多标签分类问题，y中的每个元素可能包含很多1，表明该元素属于多个类，因此我使用了 binary_crossentropy 的内置损失，模型预测的输出是分数概率。然后我绘制 roc 曲线，如下所示。

from sklearn.metrics import roc_curve, auc
#...
for xi, yi in (X_test, y_test):
    y_pred = model.predict([xi])[0]
    fpr, tpr, _ = roc_curve(yi, y_pred)

    plt.plot(fpr, tpr, color='darkorange', lw=0.5)

预测方法返回概率，因为我使用的是 keras 的函数式 api。

有谁知道为什么roc曲线看起来像这样吗？

Answer 1

在 scikit-learn 的邮件列表中询问，他们回答:

Slope usually means there are ties in your predictions.

这个问题就是这种情况。