所以我有一个NN，每个元素的输出是2个节点。每个节点对应一个不同的类输出，因为有两个类，所以有两个节点。为了获得每个节点的“概率”值，应用softmax函数（2个类表示这实际上是S型激活）。现在，两个节点的总和为1，可以认为它们是每个类别的概率。
ex）带S型输出的NN：（.8，.2），其中有很多
我现在想查看测试集的输出并生成AUC。我当前的计划是采用节点1（属于“正”类），并从节点2中减去“阈值”。然后使用测试集中每个样本的该值，我将使用许多函数之一从阈值向量生成AUC曲线。我想我的问题是，这是犹太洁食？我想不出这个问题，但谁知道。
ex管道）
out = [[.8,.2], # all are NN outputs put through softmax
[.5,.5],
[.2,.8],
[.9,.1]]
thresholds = outs[:,0] - outs[:, 1]
thresholds = [ 0.6,
0.0,
-0.6,
0.8]
auc_from_thresholds（阈值）
tldr; 模型的输出：与每个类别的概率对应的2个节点 期望的输出：用于分类问题的AUC