我如何重新采样“roc_curve”（fpr，tpr）？答案

【问题标题】：How can i resample "roc_curve" (fpr,tpr )?我如何重新采样“roc_curve”（fpr，tpr）？
【发布时间】：2015-08-28 10:35:17
【问题描述】：

我正在寻找重新采样“roc_curve”（sklearn）输出。

当我在 Ipython 中绘制 fpr,tpr 时很好，但有时我想导出它（主要用于客户端），但很难理解，因为它不是线性的。

例如

fpr =[0,0.1,0.4,0.9,1]
tpr =[0,0.3,0.4,0.5,1]

我如何将fpr 重新采样为每 5% ex 的线性：

[0,0.05,0.1,0.15,0.2,0.25,0.3,0.35,0.4,0.45,0.5,0.55,0.6,0.65,0.7,0.75,0.,0.85,0.9,0.95,1]

和tpr：

[0,0.15,0.3,0.3167,0.333,0.35,0.3667,0.383,0.4,0.41,0.42,0.43,0.44,0.45,0.46,0.47,0.48,0.49,0.5,0.75,1]

我该如何继续？

【问题讨论】：

输出到底应该是什么？我真的不明白 resampling 在你的上下文中是什么意思。
我已编辑问题以获取更多信息

标签： python scikit-learn

【解决方案1】：

我认为您正在寻找的是分段常数插值。

import numpy as np
from scipy.interpolate import spline

fpr =[0,0.1,0.4,0.9,1]
tpr =[0,0.3,0.4,0.5,1]

n = 20
x_interp = np.linspace(0,1,n+1)
y_interp = spline(fpr, tpr, x_interp, order=0)

x_interp 是fpr 值

[ 0.    0.05  0.1   0.15  0.2   0.25  0.3   0.35  0.4   0.45  0.5   0.55
  0.6   0.65  0.7   0.75  0.8   0.85  0.9   0.95  1.  ]

y_interp 是对应的tpr 值

[ 0.   0.   0.3  0.3  0.3  0.3  0.3  0.3  0.4  0.4  0.4  0.4  0.4  0.4  0.4
  0.4  0.4  0.4  0.5  0.5  0.5]

【讨论】：

@steboc，我也想过这个问题，但我不确定这是否是个好主意。我在这里看到的问题是，这会使 roc 曲线变得平滑，我发现很难证明这是有道理的。
在 scipy doc 上找不到样条。有新名字吗？
其实是一个包装函数：代码在这里：github.com/scipy/scipy/blob/….