如果ROC曲线中的假阳性率不是以1.0结尾，这样可以吗？

Question

我有以下ROC曲线：

并且它不会以1.0结尾，因为我的预测包括零，例如

预测= [0.9,0.1,0.8,0.0]

对于ROC曲线，我采用前k个预测，首先是{0.9}，然后是{0.9,0.8}等。如果没有值＆gt;在预测中不再有0，随着k的增加，预测不再改变。

所以我无法得到零的真正负值，并且由于误报率为fp /（fp + tn），因此曲线在达到1之前结束。

现在，我是否应该人为地使用零进行预测，或者如果曲线就这样结束就可以了？使用零也感觉不对。或者我错过了什么？

Answer 1

ROC曲线显示在将阈值设置为不同值时，误报和误报之间可能的权衡。在一个极端情况下，您可以将阈值设置得如此之低，以至于您将所有内容标记为正数，使您的误报率为0，误报率为1.另一方面，您可以将阈值设置得如此之高以至于您标记了所有内容为负数，给出假阴性率为1，误报率为0。

虽然这些退化情况在实践中没有用，但它们在理论上仍然是有效的权衡，并且是ROC曲线的正常部分。

Answer 2

是的，当然！ 作为之前提到的锑，ROC曲线用于显示假阳性和真阳性率之间的权衡。 我记得，一旦我在数据上训练了一个神经网络，并且在90％的时间内我得到假阳性率为0（因为fp为0）我运行模型。太棒了！ 由于我的TPR大部分时间都是1，所以我的ROC曲线有点奇怪，因为它主要是y轴上的一些点（TPR轴）。

您的模型工作正常，因为您的FPR没有超出某些特定值。

让我举个例子，对于特定的输入变量，我的模型如下： 预测输出：[0.97,5.78E-4,6.15E-4] 实际输出：[1.0,0.0,0.0]

您可以看到该模型是完美预测的，因为第一个值（相应类别1的预测值）很容易与其他两个值区分开来。另外，因为另外两个值，我的意思是[5.78E-4,6.15E-4]，与0.97相比非常小。对于每个截止值，0.97将被映射到1，另外两个值被映射到0.我们可以看到，无论截止是什么，TPR都很高而且FPR为零。