scikit中roc_curve中的阈值学习

Question

我指的是下面的链接和示例，并在此页面上张贴了混淆的图。我的困惑是，只有4个阈值，但是roc曲线似乎有很多数据点（> 4个数据点），想知道roc_curve如何在底层工作以找到更多数据点？

http://scikit-learn.org/stable/modules/model_evaluation.html#roc-metrics

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

Answer 1

正如HaohanWang提到的，函数roc_curve中的参数“ drop_intermediate ”可以删除一些次优阈值以创建更轻的ROC曲线。（roc_曲线）。

如果设置该参数为False，则显示所有阈值，例如：

所有阈值以及相应的 TPR 和 FPR 均已计算，但其中一些对于绘制 ROC 曲线是无用的。

Answer 2

该图实际上来自这个示例：http://scikit-learn.org/stable/auto_examples/model_selection/plot_roc.html