计算二元分类的 roc_curve 阈值
Posted
技术标签:
【中文标题】计算二元分类的 roc_curve 阈值【英文标题】:Calculate threshold for roc_curve for binary classification 【发布时间】:2020-06-23 02:27:24 【问题描述】:问题与以下链接中提到的类似,请阅读以供参考。
How does sklearn calculate the area under the roc curve for two binary inputs?
我了解sklearn.metrics._binary_clf_curve
中正在发生的一切。
但是对于二元分类,如何在所述函数中计算/确定多个阈值。该函数返回y_score[threshold_idxs]
作为绘制roc_curve 的阈值,我无法理解y_score[threshold_idxs]
的计算以及为什么这是阈值。
【问题讨论】:
【参考方案1】:让我们以scikit-learn 0.22.2 documentation为指南针来了解函数的每个组成部分以及最终的结果。
功能:sklearn.metrics.roc_curve(y_true, y_score, pos_label=None, sample_weight=None, drop_intermediate=True)
"active" 参数如果使用默认调用:
y_true
:数组,形状 = [n_samples],真正的二进制标签。
y_score
:数组,形状 = [n_samples]。目标分数可以是正类的概率估计、置信度值或决策的非阈值度量
drop_intermediate
: boolean, optional (default=True), 是否删除一些不会出现在绘制的 ROC 曲线上的次优阈值。
输出:
fpr
: 数组,形状 = [>2],增加误报率,使得元素 i 是分数 >= 阈值 [i] 的预测的误报率。
tpr
:数组,形状 = [>2],增加真阳性率,使元素 i 是分数 >= 阈值 [i] 的预测的真阳性率。
thresholds
: 数组,形状 = [n_thresholds],降低用于计算 fpr 和 tpr 的决策函数的阈值
现在,考虑到roc_curve()
的代码,它调用函数_binary_clf_curve()
,在经过适当的操作和排序后,它会计算:
distinct_value_indices = np.where(np.diff(y_score))[0]
threshold_idxs = np.r_[distinct_value_indices, y_true.size - 1]
这几行的解释在评论里:
y_score
通常有许多绑定值。在这里,我们提取与不同值相关的索引。我们还连接了曲线末端的值。
以上两行大致回答了您的问题多个阈值是如何计算/确定的。
然后,它计算:
tps = stable_cumsum(y_true * weight)[threshold_idxs]
fps = 1 + threshold_idxs - tps
然后返回:
return fps, tps, y_score[threshold_idxs]
然后在主函数上返回roc_curve()
,如果是if drop_intermediate and len(fps) > 2:
,则
尝试降低与两者之间的点相对应的阈值 与其他点共线。
optimal_idxs = np.where(np.r_[True,
np.logical_or(np.diff(fps, 2),
np.diff(tps, 2)),
True])[0]
“新”值是:
fps = fps[optimal_idxs]
tps = tps[optimal_idxs]
thresholds = thresholds[optimal_idxs]
之后你可以看到其他操作,但核心是我上面强调的。
【讨论】:
那么如果有阈值对应的点不在中间并且与其他点共线,它们不会被丢弃吗?也没有。 y_score 中唯一的值将继续成为否。在被丢弃之前的阈值? 请注意,默认设置为drop_intermediate=True
。您可以将其更改为 drop_intermediate=False
以保留次优阈值。以上是关于计算二元分类的 roc_curve 阈值的主要内容,如果未能解决你的问题,请参考以下文章