如何在使用ImageDataGenerator时生成ROC曲线

Question

我想生成我训练模型的ROC曲线，但我不知道如何使用ImageDataGenerator完成此操作。

我看到了这个链接How can I plot AUC and ROC while using fit_generator and evaluate_generator to train my network?，但这只回答了如何获得AUC的问题。

我也用以下方式尝试过：

y_pred =  model.predict_generator(test_generator, steps= step_size_test)
fpr, tpr, tresholds = roc_curve(y_pred, test_generator.classes)

这给了我一个错误

这是我的代码的一部分

model.compile(loss="binary_crossentropy", optimizer= 'Adam', metrics=['accuracy', auc])


train_datagen = ImageDataGenerator(rescale=1.0 / 255.0)
train_generator = train_datagen.flow_from_directory(
    directory=f'./data/train/',
    target_size=(Preprocess.image_resolution, Preprocess.image_resolution),
    color_mode="grayscale",
    batch_size=64,
    classes=['a', 'b'],
    class_mode="binary",
    shuffle=True,
    seed=42
)

valid_datagen = ImageDataGenerator(rescale=1.0 / 255.0)
valid_generator = valid_datagen.flow_from_directory(
    directory=f'./data/valid/',
    target_size=(Preprocess.image_resolution, Preprocess.image_resolution),
    color_mode="grayscale",
    batch_size=8,
    classes=['a', 'b'],
    class_mode="binary",
    shuffle=True,
    seed=42
)

test_datagen = ImageDataGenerator()
test_generator = test_datagen.flow_from_directory(
    directory=f'./data/test/',
    target_size=(Preprocess.image_resolution, Preprocess.image_resolution),
    color_mode="grayscale",
    batch_size=1,
    classes=['a', 'b'],
    class_mode='binary',
    shuffle=False,
    seed=42
)

step_size_train = train_generator.n // train_generator.batch_size
step_size_valid = valid_generator.n // valid_generator.batch_size
step_size_test = test_generator.n // test_generator.batch_size

model = build_three_layer_cnn_model()

history = model.fit_generator(generator=train_generator, 
                    steps_per_epoch=step_size_train,
                    validation_data=valid_generator,
                    validation_steps=step_size_valid,
                    epochs=10)

Answer 1

您的代码存在问题：

roc_curve(y_pred, test_generator.classes)

根据scikit-learn的文档，您需要传递分数（概率），而不是类作为第二个参数。

另请注意，您的第一个参数是y_pred而不是y_true。

尝试调用roc_curve（y_true，y_scores），其中y_true是你的基本事实，y_scores是你的模型的输出概率（即model.predict（X_test））

ROC-Curve的文档：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.roc_curve.html#sklearn.metrics.roc_curve