标签：htm 学习 sklearn 返回值 external 翻译 分类 存储 one
roc曲线是机器学习中十分重要的一种学习器评估准则，在sklearn中有完整的实现，api函数为sklearn.metrics.roc_curve(params)函数。
官方接口说明：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.roc_curve.html
不过这个接口只限于进行二分类任务。！
下面主要是对官方接口做一下翻译。
接口函数 sklearn.metrics.roc_curve(y_true, y_score, pos_label=None, sample_weight=None, drop_intermediate=True)
参数说明
y_true：数组，存储数据的标签，维度就是样本数，形如[0,1,1,0,1...]这样的，也可以是-1和1，只要有两个值
y_score：数组，存储数据的预测概率值，维度也是样本数，形如[0.38,0.5,0.8]这样的
pos_label：整型或字符串，当y_true中只有一个值时，比如都是1或者都是0，无法判断哪个是正样本，需要用一个数字或字符串指出
sample_weight：采样权重，这个官方没有仔细说，是一个可选参数，有待考察
drop_intermediate：丢掉一些阈值，以便画roc曲线图
返回值：一共三个，分别是fpr,tpr,thresholds
fpr：数组，随阈值上涨的假阳性率
tpr：数组，随阈值上涨的真正例率
thresholds：数组，对预测值排序后的score列表，作为阈值，排序从大到小
举例
>>> 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 ])
解释一下，样本标签为y，共有1和2两个值，预测值为scores，里面是预测为正样本的概率，正样本是什么呢，在函数中通过pos_label指定为2，然后便将score排序，
由大到小，也就有了后面的thresholds，按照这个顺序，依次将前面的样本预测为正样本，后面为负样本，这里看一下样本标签和预测值的一一对应
[1,1,2,2]->[0.1,0.4,0.35,0.8]，共有两个正样本，两个负样本
以0.8为阈值，第一个假设为正样本，后面三个假设为负样本，0.8对应的确实为正样本，则真正例率为1/2，假阳性率为0，因为没有负样本被误判为正样本
然后以0.4为阈值，前两个假设为正样本，后两个假设为负样本，0.4对应的为负样本，则真正例数没有增加，于是仍为0.5，而假阳性增加一例，此时假阳性率为1/2
后面的依此类推，这就是这个api的基本使用说明。
补充下：tpr=tp/所有正样本，fpr=fp/所有负样本
标签：htm 学习 sklearn 返回值 external 翻译 分类 存储 one
原文地址：https://www.cnblogs.com/wzyuan/p/9440017.html
