AUC（曲线下面积）的阈值是多少

Question

假设一个二元分类器（比如随机森林）rfc，我想计算 AUC。我很难理解阈值是如何在计算中使用的。我了解您针对不同的阈值绘制了 TPR/FPR 图。我也明白阈值是用来作为预测类 1（否则是类 0）的阈值，但是 AUC 算法是如何预测类的呢？

假设使用sklearn.metrics.roc_auc_score，您通过了y_true 和y_rfc（作为真实值和预测值），但我看不出阈值如何在 AUC 分数/图中发挥作用。

我已经阅读了不同的 AUC 指南/教程，但他们对阈值及其使用方式的所有解释都有些模糊。

我也看过How does sklearn actually calculate AUROC?。

Answer 1

AUC曲线是根据不同阈值的TPR/FPR生成的。 ROC的要点是从(0;1)中采样阈值，得到一个曲线点。请注意，如果您的分类器是完美的，您将得到点 (0,1)，并且对于所有较小的阈值都不会是最差的，因此它也会在 (0,1) 上导致 auc = 1。

AUC 不仅提供有关分类质量的信息，还提供有关评估分类器置信度的信息。