如何从具有 2 个输出神经元的 softmax 二元分类器绘制 ROC 曲线？答案

【问题标题】：How to plot a ROC curve from a softmax binary classifier with 2 output neurons?如何从具有 2 个输出神经元的 softmax 二元分类器绘制 ROC 曲线？
【发布时间】：2020-07-20 01:01:19
【问题描述】：

如何将离散输出标签绘制为 2 列的 roc 曲线？

使用 roc_curve() 给我一个错误：

ValueError：不支持多标签指示符格式

y_prediction = model.predict(test_X)

y_prediction[1]
Out[27]: array([1.0000000e+00, 6.8178085e-12], dtype=float32)

y_prediction.shape
Out[23]: (514, 2)

test_y.shape
Out[24]: (514, 2)

fpr_roc, tpr_roc, thresholds_roc = roc_curve(test_y, y_prediction)

roc_auc = metrics.auc(fpr_roc, tpr_roc)

【问题讨论】：

标签： python deep-learning classification roc softmax

【解决方案1】：

根据文档，y_true 和 y_score 应该是 1-d。

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.roc_curve.html

y_truearray, shape = [n_samples]

所以，只取标签而不是 softmax 输出。

在 roc_curve() 之前添加以下行

test_y = np.argmax(test_y, axis=-1) # getting the labels
y_prediction = np.argmax(y_prediction, axis=-1) # getting the confidence of postive class

【讨论】：

【解决方案2】：

由于sklearn中的roc_curve函数只需要正类概率估计，所以可以使用与正类相关的输出维度。

例如： preds[:, -1]

【讨论】：