使用 4 个样本画出 ROC 曲线

ROC 曲线，作为评价机器学习模型敏感度的一条重要曲线，在分类任务评价机制中应用较多。

但是很多朋友对于 ROC 曲线的理解还是有些模糊，心想着 x 轴是 , y 轴是 , 组条曲线有些神秘。

今天，咱们用 4 个样本，使用逻辑回归，分类阈值分别从 0.,0.2,0.4,0.6,0.8,1.0，依次变化，分别求出对应分类阈值的 FRP 和 TPR 值。

这样不就得到 6 个 (FRP,TPR) 点，组个曲线，不就是 ROC 曲线吗！

计算公式：

使用逻辑回归 Logistic regression，得到 4 个样本的概率分布为：[0.8,0.6,0.4,0.2]

当分类阈值参数 alpha 为 0.0 时：

结果：

当分类阈值参数 alpha 为 0.2 时：

结果：

当分类阈值参数 alpha 为 0.4 时：

结果：

当分类阈值参数 alpha 为 0.6 时：

结果：

当分类阈值参数 alpha 为 0.8 时：

结果：

当分类阈值参数 alpha 为 1.0 时：

结果：

绘制以上 6 个点，得到 ROC 曲线：

原创不易，点个在看