machine-learning - sklearn 的 roc_curve() 函数返回不同维度的阈值和 fpr

Question

我假设roc_curve()为每个阈值计算 fpr 和 tpr。但是下面的代码显示 fpr 和 thresholds 有不同的维度。

from sklearn.metrics import roc_curve
fpr,tpr,thresholds = roc_curve(y_train_5,y_scores)

fpr.shape #(3908,)
thresholds.shape #(59966,)

我也想知道为什么

precisions,recalls,thresholds = precision_recall_curve(y_train_5,y_scores)
precisions #(59967,)
thresholds #(59966,)

精度的维度与阈值相差一个？

标签： machine-learningscikit-learnroc

Answer 1

对于关注点roc_curve()，与精度/召回曲线不同，输出的长度确实取决于drop_intermediate选项（默认为 True），用于降低次优阈值（请参阅此处以供参考）。

对于第二点，只要达到完全召回，就不再输出阈值。这可能是原因；此链接或此链接也可能有所帮助。