對于specificity = 1 - FPR我把代碼改成如下：plt.plot(1-fpr, tpr, 'b', label = 'AUC = %0.2f' % roc_auc)但是這個數(shù)字似乎是錯誤的。這是我在紙上看到的。
4 回答
HUH函數(shù)
TA貢獻(xiàn)1836條經(jīng)驗(yàn) 獲得超4個贊
您對 ROC 曲線的理解有誤。ROC 曲線繪制了不同閾值下的真陽性率（敏感性）tpr = tp / (tp + fn)與假陽性率（1 - 特異性）1 - (tn / (tn + fp)的關(guān)系。現(xiàn)在，我看到你的標(biāo)題表明你想要一個“敏感性和特異性的 ROC”，但實(shí)際上不存在這樣的東西。解決敏感性和特異性的方法是通過 ROC 曲線。
為了獲得 ROC 曲線，將繪圖更改為：
plt.plot(fpr, tpr, 'b', label = 'AUC = %0.2f' % roc_auc)
您可以從上面的解釋中了解如何計(jì)算假陽性率和真陽性率。
然后，在解釋 ROC 曲線時，您希望分類器盡可能靠近左上角，表示低假陽性率（高特異性）和高真陽性率（高靈敏度）。話雖如此，假陽性率并不代表特異性，而是特異性的陰性。這就是為什么你希望它是最小的。
最后但并非最不重要的一點(diǎn)是，當(dāng)涉及到 ROC 曲線時，經(jīng)常會讓人感到困惑的情況是，當(dāng)1 - specificityX 軸上沒有specificity. 發(fā)生這種情況時，值的方向會反轉(zhuǎn)（如圖所示），因此它從 1 到 0 而不是從 0 到 1。
添加回答
舉報(bào)
0/150
提交
取消