python - 如何解释 scikit-learn 中的 roc_curve(Test,Predictions)

Question

我正在使用 scikit-learn 来解决分类问题，以预测机会的获胜或损失。
我使用了这段代码:

fpr, tpr, thresholds =roc_curve(yTest,predictions)

结果是:

    (array([ 0.       ,  0.2628946,  1.       ]),
     array([ 0.        ,  0.73692477,  1.        ]),
     array([2, 1, 0]))

我知道使用 fpr、tpr 对于在 (1,0) 范围内变化的各种阈值计算 AUC。理想情况下，我知道阈值应该在 1 到 0 之间。

但是，这里的阈值是 2,1,0。从中理解什么以及如何解释它。

示例代码看起来不错:

import numpy as np
from sklearn import metrics
y = np.array([1, 1, 2, 2])
scores = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2)
>>>fpr
array([ 0. ,  0.5,  0.5,  1. ])
>>>tpr
array([ 0.5,  0.5,  1. ,  1. ])
>>> thresholds
array([ 0.8 ,  0.4 ,  0.35,  0.1 ])

我的 Predict_proba(yTest) 是:

[ 0.09573287  0.90426713]
 [ 0.14987409  0.85012591]
 [ 0.16348188  0.83651812]
 ..., 
 [ 0.13957409  0.86042591]
 [ 0.04478675  0.95521325]
 [ 0.03492729  0.96507271]

Answer 1

阈值不限于[0;1]。

只有 TPR 和 FPR 是速率，即 0 到 1。

如果您查看文档，它会告诉您如何得出值 2:

Decreasing thresholds on the decision function used to compute fpr and tpr. thresholds[0] represents no instances being predicted and is arbitrarily set to max(y_score) + 1.

如果您的输入数据的值为[100,42,42,3.14]，那么它将考虑阈值[101, 100, 42, 3.14]。

从您的阈值 [2,1,0] 来看，您没有以正确的方式使用此函数。您可能已经切换了这两个参数？因为输出表明你的输入分数要么都是 0，要么是 1。在这样的数据上，ROC 曲线会退化，你只需使用精度和召回率。但如果你交换了分数和标签，你可能会得到真正的ROC曲线。