如何绘制 ROC 曲线的平均值？

Posted 2023-03-12

【中文标题】如何绘制 ROC 曲线的平均值？

【英文标题】：How to plot the average of ROC curves?

【发布时间】：2018-12-28 07:05:00

【问题描述】：

我正在尝试执行异常值检测，我有 15 个不同的测试集和 3 个不同的模型（基于 PCA 的分类器、一类 SVM 和隔离森林）。

对于基于 PCA 的分类，我编写了自己的代码来生成 ROC 曲线。我有 2 个列表 pcafprs 和 pcatprs，每个列表都有 15 个子列表，每个子列表代表绘制 ROC 曲线所需的假阳性率和真阳性率。

对于一类 SVM 和隔离森林，我可以从 sklearn.metrics.roc_curve 获得 (fpr, tpr)。与 PCA 类似，我有 ocsvmfprs 和 ocsvmtprs 用于一类 SVM，isoforestfprs 和 isoforesttprs 用于隔离森林。

对于每个测试集，我可以遍历 FPR 和 TPR 列表并绘制 ROC 曲线。代码可能如下所示：for i in range(len(pcafprs)): plt.plot(pcafprs[i], pcatprs[i]) #Plot the ROC curve plt.show() 对于 3 个模型中的每一个，我希望能够在一张图中绘制 15 个测试集的所有 15 条 ROC 曲线的平均值。我不能简单地对包含 TPR 和 FPR 的数组执行 np.mean，因为 sklearn.metrics.roc_curve 返回的 FPR 对于每个测试集都是不同的点。

对于 PCA，我尝试使用 np.mean(pcatprs, axis=0) 和 np.mean(pcafprs, axis=0) 来平均所有 TPR 和 FPR，以便我可以绘制一个表示所有测试集平均值的图形。这很有效，因为对于 PCA，我为每个测试集生成了相同数量的 FPR 和 TPR。 但是，我无法控制否。 sklearn.metrics.roc_curve 为每个测试集返回的 FPR 和 TPR 数量，事实证明它为每个测试集返回不同数量的值。因此，我无法使用np.mean 来查找平均 ROC 曲线。

tl,dr：有没有办法在图上绘制多条线的平均值，而不需要方程，而只有一些点位于线上，我们有一个 每条线的可用点数不同？

【问题讨论】：

到目前为止您尝试过什么？可以create a Minimal, Complete, and Verifiable example吗？

嗨@Anthony，我已经更新了帖子以包含更多详细信息，请您再检查一次吗？

【参考方案1】：

通过选择一组固定的 FPR 来解决，然后对 sklearn.metrics.roc_curve 返回的每对 (fpr,tpr) 使用 no.interp 以获得相应的 TPR，然后使用 np.mean 对所有 ROC 进行平均