为什么在 roc-auc 曲线中假阳性率和真阳性率加起来不等于 1？答案

【问题标题】：Why don't the false positive rate and true positive rate add up to one in a roc-auc curve?为什么在 roc-auc 曲线中假阳性率和真阳性率加起来不等于 1？
【发布时间】：2020-09-22 15:26:45
【问题描述】：

假阳性率是从 0 到 1 的 x 轴。真阳性率是从 0 到 1 的 y 轴。图表显示数据点，如 (.8,.8)。如果 tpr 为 0.8，fpr 为 0.8，则它们加起来为 1.6...

【问题讨论】：

你用的是什么功能？你能补充一些细节吗..？
您是在询问特定函数还是统计术语？
另外，如果你能告诉我们是什么让你认为他们应该首先总结为一个？
只是想知道，因为我在学习时看到了图表。我想我应该对它们求和，因为这就是二进制统计数据通常的工作方式：p=x, q=1-p

标签： machine-learning roc auc

【解决方案1】：

通常使用测试/验证集中的 FP 或 TP 总数对轴进行归一化。否则曲线的末端不会是 1/1。我个人更喜欢通过实例数来标记轴。

为什么不按总数进行标准化 - 在实际应用中，它变得相当复杂，因为您通常没有所有示例的标签。 ROC 曲线的典型示例是群发邮件。要正确标准化曲线，您需要向整个世界发送垃圾邮件。

【讨论】：