sklearn 如何计算二元分类器的 roc 曲线下面积？

Question

这可能与here 提出的另一个问题重复出现。但是，我已经查看了那里的答案，但仍然无法理解 Scikit-learn 如何通过仅测试一个阈值来计算 roc 曲线下的面积，该阈值是在以下内容中提供的：

y_pred = clf.predict(X_test) roc_auc_score(y_test, y_pred)

为什么它不采用多个值（多个 y_test、y_pred 由多个阈值产生）？任何简化的解释将不胜感激。

Answer 1

在这种情况下，roc_auc_score() 的第二个参数应该是 clf.predict_proba(X_test)得到的预测概率。 在这个函数内部计算不同的阈值 这个预测概率的基础。 在documentation 中有一个例子：

import numpy as np
from sklearn.metrics import roc_auc_score
y_true = np.array([0, 0, 1, 1])
y_scores = np.array([0.1, 0.4, 0.35, 0.8])
roc_auc_score(y_true, y_scores)
0.75

了解roc_auc_score 的计算方式可能会有所帮助 看看roc_curve它自己。这可以通过函数来​​完成 sklearn.metrics.roc_curve()。取自documentation的示例：

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

(尽管y在后一个例子中不同，它仍然是一个二进制 分类，其中 2 为正类。）

从后一个示例中可以看出，采用了不同的阈值 来自提供的scores。

ROC Curve 将通过将真阳性率 tpr 放在图的 y 轴上并将误报率 fpr 放在图的 x 轴上来生成。