我当时正在读一篇论文,论文的结果如下:
我想为我的模特准备一张类似的桌子。使用下面的代码,我得到了远距离和TAR值。
from sklearn import metrics
test = [0, 0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0 ,0 ,0 ,0 ,0 ,1 ,0 ,0 ,0 ,1, 0]
pred = [0.04172871, 0.01611879, 0.01073375, 0.03344169 ,0.04172871, 0.04172871, 0.00430162 ,0.04172871 ,0.04172871 ,0.04172871 ,0.07977659, 0.905772,0.9396076, 0.03344169, 0.04172871, 0.09125287, 0.02964183, 0.0641269,0.04172871 ,0.04172871, 0.04172871, 0.0641269 , 0.04172871, 0.04172871,0.9919831 , 0.04172871, 0.01611879 ,0.04172871, 0.37865442 ,0.00240888]
far, tar, thresholds = metrics.roc_curve(Y_test,p)
如何修正FAR = 0.1%,如何使用Python计算TAR% @FAR = 0.1%?
发布于 2022-03-14 13:16:51
如果您熟悉ROC曲线,您就知道该曲线本身不会为您的模型提供任何特定的TRP (True Positive Rate)
和FPR (False positive Rate)
值。它只跟踪TPR
相对于FPR
的发展,因为您在模型产生的分布上移动了一些阈值。
因此,如果您想计算TPR
在FPR=0.1%
,您有两个选择:
您的值FPR = 0.1%
在far
中,您只需检索它的索引,就可以在相同的位置获得相应的TRP
或tar
。
或者,在far
中没有确切的值far
,在这种情况下,您可以在值0.1%
下面和上面得到相应的元组(far, tar)
,并执行线性插值来计算确切的值。
https://stackoverflow.com/questions/71420229
复制相似问题