machine-learning - 元素的ROC曲线计算

Question

我知道 ROC 曲线是根据 True-Positive-Rate 和 False-Positive-Rate 计算得出的。

但是 ROC 曲线的曲线上有无限个元素，对吧？每个元素是如何计算的？谁可以给我解释一下这个？每个点从哪里来？

Example

提前致谢

Answer 1

这些值是针对分类器阈值的所有值计算的。

在 x 轴上，您可以看到给定阈值的“误报率”:FPR = FP/(TN + FP) 其中:

• FP是假阳性的数量(预测为阳性但结果为阴性的元素)；
• TN 真阴性的数量(预测为阴性且实际为阴性的元素)；
• FP 是假阳性的数量(预测为阳性但结果为阴性的元素)。

在 y 轴上，您可以看到给定阈值的“真阳性率”:TPR = TP/(TP + FN) 其中:

• TP是真阳性(预测为阳性且确实为阳性)的数量；
• FN 假阴性(预测为阴性但结果为阳性)的数量。

实际上，您没有无限数量的点:您受限于数据集的点数量(某些阈值范围内的速率不会改变)。