数据挖掘 - 如何在计算 tpr 时获得不同的数组大小？ - 吾爱随笔录

在学习 ROC 曲线时，我对它们的制作方式感到困惑。

我在这里考虑鸢尾花分类问题。要计算 TPR，我们可以使用现在在这种情况下，首先我们输入测试数据并使用上面的公式找出 TPR 和 FPR。但是在这种情况下，我们如何获得不同的数组大小。

T P R = \frac{T r u e p o s i t i v e}{T r u e p o s i t i v e + F a l s e N e g a t i v e}

$TPR=\frac{True \ positive}{True\ positive + \ False \ Negative }$

>>>fpr = dict()
>>>tpr = dict()
>>>roc_auc = dict()
>>>for i in range(n_classes):
       fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_score[:, i])
       roc_auc[i] = auc(fpr[i], tpr[i])


tpr(true positive rate)
0: array([ 0.04761905,  1.        ,  1.        ]),  1: array([
0.03333333,  0.03333333,  0.1       ,  0.1       ,  0.2       ,
         0.2       ,  0.23333333,  0.23333333,  0.36666667,  0.36666667,
         0.4       ,  0.4       ,  0.7       ,  0.7       ,  0.73333333,
         0.73333333,  0.76666667,  0.76666667,  0.8       ,  0.8       ,
         0.83333333,  0.83333333,  0.86666667,  0.86666667,  0.9       ,
         0.9       ,  0.93333333,  0.93333333,  0.96666667,  0.96666667,
         1.        ,  1.        ]),  2: array([ 0.04166667,  0.79166667,  0.79166667,  0.95833333,  0.95833333,
         1.        ,  1.        ]),