scikit中roc_curve的阈值学习

Question

我指的是下面的链接和示例，并从这个页面发布我感到困惑的情节图。我的困惑是，只有4个阈值，但似乎roc曲线有很多数据点（> 4个数据点），想知道roc_curve如何在底层找到更多的数据点？

http://scikit-learn.org/stable/modules/model_evaluation.html#roc-metrics

>>> import numpy as np
>>> from sklearn.metrics import roc_curve
>>> y = np.array([1, 1, 2, 2])
>>> scores = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, tpr, thresholds = 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 ])

Answer 1

该情节实际上来自这个例子：http://scikit-learn.org/stable/auto_examples/model_selection/plot_roc.html

Answer 2

正如HaohanWang所提到的，函数roc_curve中的参数'drop_intermediate'可以降低一些次优阈值以创建更轻的ROC曲线。 （roc_curve）。如果将参数设置为False，则将显示所有阈值，例如：enter image description here计算所有阈值和相应的TPR和FPR，但是其中一些用于绘制ROC曲线无用。