python - scikit-learn：如何定义 ROC 曲线的阈值？

Question

在 中绘制 ROC（或导出 AUC）时scikit-learn，如何为指定任意阈值roc_curve，而不是让函数在内部计算它们并返回它们？

from sklearn.metrics import roc_curve
fpr,tpr,thresholds = roc_curve(y_true,y_pred)

在Scikit - How to define thresholds for plotting roc curve上提出了一个相关问题，但 OP 接受的答案表明他们的意图与它的编写方式不同。

谢谢！

标签： pythonscikit-learnroc

Answer 1

您从分类器中得到的是分数，而不仅仅是类别预测。

roc_curve将为您提供一组具有相关误报率和真阳性率的阈值。

如果您想要自己的阈值，只需使用它：

y_class = y_pred > threshold

然后你可以显示一个混淆矩阵，与这个新的y_class比较y_true。

如果你想要几个阈值，也可以这样做，并从每个阈值中获取混淆矩阵，以获得真假阳性率。