我有一个用Keras编写的多标签分类器，我想从中计算AUC并绘制从我的测试集中分类的每个元素的ROC曲线 .
一切似乎都很好，除了一些元素的roc曲线具有如下斜率：
在这种情况下，我不知道如何解释斜率 .
基本上我的工作流程如下，我有一个预训练的 model ，Keras的实例，我有 X 和二值化标签 y ， y 中的每个元素都是一个长度为1000的数组，因为它是一个多标签分类问题 y 中的元素可能包含多个1，表示该元素属于多个类，因此我使用了 binary_crossentropy 的内置丢失，并且我的模型预测输出是分数临时性 . 然后我按如下方式绘制roc曲线 .
from sklearn.metrics import roc_curve, auc
#...
for xi, yi in (X_test, y_test):
y_pred = model.predict([xi])[0]
fpr, tpr, _ = roc_curve(yi, y_pred)
plt.plot(fpr, tpr, color='darkorange', lw=0.5)
预测方法返回概率，因为我正在使用keras的功能api .
有谁知道为什么roc曲线看起来像这样？
1 回答
在scikit-learn的邮件列表中询问，他们回答说：
这个问题就是这种情况 .