计算级联分类器的指标

Question

我正在尝试找到一种有效的方法来计算级联分类器的指标（TP，FP，TN，FN），每个分类器的输出浮点值得分都用于预测二进制。

例如，有两个分类器输出X_1，X_2（以该顺序层叠），并给定T_1和T_2，prediction = X_1 > T_1 or X_2 > T_2的阈值。 因此，计算指标的暴力方式将是找到X_1和X_2的所有唯一值，然后使用这两个值的所有排列来计算预测和计算误差。 即像这样：

data = dict()
for t1 in np.unique(scores1):
    for t2 in np.unique(scores2):
        pred = np.where((scores1 > t1)|(scores2>t2))[0]
        data[(t1,t2)] = dict(tp=gt[pred].sum(), 
                             fp=(~gt)[pred].sum(), 
                             tn=(~gt)[~pred].sum(), 
                             fn=gt[~pred].sum())

此方法显然要花很长时间，我正在尝试寻找一种更有效的方法，类似于how sci-kit learn does this for binary classifiers。

必须有一种更有效的方法来计算这些指标，但是我还没有找到它。