据我所知，模型的ROC曲线是通过改变阈值（影响TPR，FPR）来构建的。
因此，我最初的理解是，要计算AUROC，您需要使用不同的阈值多次运行模型以获得该曲线并最终计算该区域。
但似乎你只需要对正类的一些概率估计，如下面sklearn's roc_auc_score中的代码示例所示，来计算AUROC。
＆GT;＆GT;＆GT;导入numpy为np
＆GT;＆GT;＆GT;来自sklearn.metrics导入roc_auc_score
＆GT;＆GT;＆GT; y_true = np.array（[0,0,1,1]）
＆GT;＆GT;＆GT; y_scores = np.array（[0.1,0.4,0.35,0.8]）
＆GT;＆GT;＆GT; roc_auc_score（y_true，y_scores）
0.75
这是如何工作的？任何推荐阅读？