用python计算roc曲线二元分类器的TPR和FPR

Question

我试图计算真阳性率和假阳性率，然后手工绘制roc曲线，因为我想检查我从sklearn获得的roc曲线。度量roc_曲线函数。但是我得到的fpr（在x轴上）和tpr（在y轴上）的roc曲线似乎是互换的。我正在做一个梯度下降的二元分类器，有两个标签正负。用于tpr、fpr计算的tensorflow代码的相关部分如下所示：

prediction=tf.nn.softmax(tf.matmul(X,w)+b)
pred_pos= prediction.eval(feed_dict={X: x_pos})
pred_neg= prediction.eval(feed_dict={X: x_neg})
tpr=[]
fpr=[]
for j in range(100):
    pos=0
    neg=0
    n=j/100.
    for i in range(0,len(pred_pos)):
            if(pred_pos[i,1]>=n):
                pos+=1
            if(pred_neg[i,1]>=n):
                neg+=1
    tpr.append(pos/len(x_pos))
    fpr.append(neg/len(x_neg))

f= open('output.txt','wb')
arr=np.array([fpr,tpr])
arr=arr.T          
np.savetxt(f,arr,fmt=['%e','%e'])    
f.close()

Answer 1

我发现了代码的问题。而不是if（pred_pos[i，1]