首页 文章

在python中计算roc曲线的二元分类器的TPR和FPR

提问于
浏览 次
2

我试图计算真阳性率和假阳性率，然后手动绘制roc曲线，因为我想检查我从sklearn.metrics roc_curve函数得到的roc曲线 . 但是fpr（在x轴上）与tpr（在y轴上）的roc曲线我得到的似乎是轴已经互换了 . 我正在做一个梯度下降二元分类器，有两个正面和负面的标签 . tpr，fpr计算的tensorflow代码的相关部分如下：

prediction=tf.nn.softmax(tf.matmul(X,w)+b)
pred_pos= prediction.eval(feed_dict={X: x_pos})
pred_neg= prediction.eval(feed_dict={X: x_neg})
tpr=[]
fpr=[]
for j in range(100):
    pos=0
    neg=0
    n=j/100.
    for i in range(0,len(pred_pos)):
            if(pred_pos[i,1]>=n):
                pos+=1
            if(pred_neg[i,1]>=n):
                neg+=1
    tpr.append(pos/len(x_pos))
    fpr.append(neg/len(x_neg))

f= open('output.txt','wb')
arr=np.array([fpr,tpr])
arr=arr.T          
np.savetxt(f,arr,fmt=['%e','%e'])    
f.close()

我把这个情节附上了.2605459_
roc curve fpr vs tpr
这当然不对 . 为什么会这样？我究竟做错了什么？

python tensorflow roc

1 回答

  • 1

    我发现了代码的问题 . 而不是 if(pred_pos[i,1]>=n): 它应该是 if(pred_pos[i,0]>=n): （类似于pred_neg），然后它为fpr和tpr提供正确的值，tpr更大 . 这是因为数据的标记对于正数为[1,0]，对于负数为[0,1] . 因此确定位位于预测阵列的第0位置 .

    回复于

相关问题