如何在自动编码器模型上绘制ROC曲线并计算AUC？

Posted 2021-04-08

我创建了一个自动编码器模型，并使用图像序列数据集对其进行了训练。测试集的最终结果是重建图像。如何绘制ROC曲线并计算AUC？

编辑：这是我的代码：

    model = AutoEncoder()
    model.compile(loss='mse', optimizer='adam')
    model.fit(dm, dm, 
          batch_size=batchSize, 
          epochs=epochs, 
          shuffle=False,
          callbacks=callbacks_list, verbose=1
          )

    # load testset
    ....
    reconstructed_sequences = model.predict(sequences,batch_size=1)
    sequences_reconstruction_cost = np.array([np.linalg.norm(np.subtract(sequences[i],reconstructed_sequences[i])) for i in range(0,sz)])
    sa = (sequences_reconstruction_cost - np.min(sequences_reconstruction_cost)) / np.max(sequences_reconstruction_cost)
    sr = 1.0 - sa

其中sr是包含我的检测分数的最终结果。

答案

您需要运行从最小（sr）到最大（sr）的阈值范围，并为每个值计数四倍（真负（TN），真正（TP），假负（FN），假正（FP） ））获取许多列联表。然后针对每个阈值计算灵敏度= TP /（TP + FN）和特异性= TN /（FP + TN）。接收器工作特性（ROC）曲线是1-特异性（X轴）对灵敏度（Y轴）的曲线图。应该不太难用python编写代码。