python - 如何获得遗传算法分类器绘制 ROC 曲线的分数？

Question

我正在尝试获取我用于项目的二元(好/坏)分类器的 ROC 曲线。该分类器使用遗传算法进行预测。

例如如果 [1.0,0.5,0.4,0.7] 给出的测试染色体与另一条染色体(例如 [0.8,0.5,0.3,0.6])匹配，则该染色体被认为是好的。通过匹配，我的意思是有一个 Euclidean distance值(来自另一条染色体)低于特定值。

我已经完成了 600 个实例的分类，并且有了最终的混淆矩阵(这个矩阵是指我们可以计算最终 TPR 和 FPR 的四值表)，以及每个实例的正确分类标签实例，以及每个实例的所有预测。

我已阅读有关 ROC 曲线的文档， Receiver operating characteristic 和 Tools for Machine Learning Performance Evaluation: ROC Curves in Python 。如何继续获取 ROC 曲线？

通过我的最终四值表，我认为我只能绘制曲线中的单个点。上面的附加链接不断提到我需要一个分数(即概率分数)，但我不知道如何为遗传算法分类器获得这个分数。但如何利用每个实例的预测知识来创建一种连续的 ROC 曲线？

免责声明:我是 ROC 绘图方面的新手，我正在使用 Python 进行编码 - 因此，我附上了与 Python 相关的 ROC 文档。

Answer 1

如何创建分类器并不重要。最后，你的模型只是给出了一个积极的标签 iff ||x - x_i|| < T ，其中T是一些预定义的阈值。 ROC 曲线正是使用此类事物进行参数化 - 标量值，您可以更改该值以使事物更倾向于分类为正或负。因此，只需遍历 T 的多个值，计算每个值的指标，这将创建您的 ROC 曲线。仅此而已!