sklearn如何计算两个二进制输入的roc曲线下的面积？

Question

我注意到 sklearn 具有以下功能：

sklearn.metrics.roc_auc_score()

它将ground_truth和预测作为输入。

例如，

ground_truth = [1,1,0,0,0]
prediction = [1,1,0,0,0]

sklearn.metrics.roc_auc_score(ground_truth, prediction)返回1

我的问题是我无法弄清楚 sklearn 如何使用两个二进制输入计算 ROC 曲线下的面积。 ROC曲线不是通过移动类分配阈值，并计算每个阈值的误报和命中率得出的吗？ 有两个二进制输入，您不应该只有一个（误报、命中率）测量吗？

非常感谢！

Answer 1

您是正确的，使用二元预测，您将只有一个曲线阈值/测量值。 我自己也不明白，所以我在 sklearn 教程和一个纯二进制示例中使用大量打印语句运行代码。 所有的魔法都发生在sklearn.metrics._binary_clf_curve

“阈值”是不同的预测分数。 对于任何输出纯 1 和 0 的二进制分类器，您将获得两个阈值 - 1 和 0（它们在内部从最高到最低排序）。 在 1 阈值处，>=1 的预测分数为真，低于此值（在这种情况下仅为 0）的任何内容都被认为是错误的，并且由此计算出 TP 和 FP 率。 在所有情况下，最后一个阈值将所有内容归类为真，因此 TP 和 FP 率都将为 1。

看来，要为 sklearn 分类器生成正确的 ROC 曲线，您将使用clf.predict_proba()而不是predict() 。 或者，也许predict_log_proba() ？ 我不确定它是否会有所作为