在 scikit-learn 中绘制 ROC(或导出 AUC)时，如何为 roc_curve 指定任意阈值，而不是让函数在内部计算它们并返回它们？
from sklearn.metrics import roc_curve
fpr,tpr,thresholds = roc_curve(y_true,y_pred)
在 Scikit - How to define thresholds for plotting roc curve 上提出了相关问题，但OP接受的答案表明他们的意图与编写方式不同。
谢谢!
最佳答案
您从分类器得到的是分数，而不仅仅是类别预测。
roc_curve 将为您提供一组具有相关假阳性率和真阳性率的阈值。
如果您想要自己的阈值，只需使用它即可:
y_class = y_pred > threshold
然后您可以显示一个混淆矩阵，并将这个新的 y_class 与 y_true 进行比较。
如果您想要多个阈值，请执行相同的操作，并从每个阈值中获取混淆矩阵以获得真阳性率和假阳性率。
关于python - scikit-learn:如何定义 ROC 曲线的阈值？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53335094/