之前在做kaggle比赛时，有个比赛使用AUC来评比的，当时试着画了ROC曲线，结果出来的下图这样的图形。跟平时的ROC曲线差好远，就只有一个点。而别人家的都是很多转折的，为啥我的不一样。

我的图如下：

正常的图（sklearn上面截取的）：

思考过后，发现原来：

ROC曲线，一般适用于你的分类器输出一个“概率值”，即这个样本属于某个类的概率是多少。 如此的话，你就需要设定一个阈值， 大于这个阈值属于正类，小于这个阈值属于负类。

从而，对于这个阈值P0， 就会得到对应的TPR, FPR, 也就是ROC曲线上的一个点，你设置不同的阈值，就会得到不同的TPR, FPR， 从而构成ROC曲线。

通常来说 阈值降低，即进入正类的门槛变低， TPR会变大，但是FPR也会变大， 看他们谁变的快。

之前画线的时候直接用了分类的预测值，而没有用上概率这玩意，被划分为正类的概率。。修改下程序，求多一个概率就能画出正确的图形啦。

如果你用GDBT算法的时候：

gbc = GradientBoostingClassifier()
gbc.fit(x_train, y_train)
resu = gbc.predict(x_test) #进行预测
y_pred_gbc = gbc.predict_proba(x_test)[:,1] ###这玩意就是预测概率的
fpr, tpr, threshold = roc_curve(y_test, y_pred_gbc) ###画图的时候要用预测的概率，而不是你的预测的值
plt.plot(fpr, tpr, 'b', label='AUC = %0.2f' % rocauc)#生成ROC曲线
plt.legend(loc='lower right')
plt.plot([0, 1], [0, 1], 'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('真正率')
plt.xlabel('假正率')
plt.show()

以上这篇解决ROC曲线画出来只有一个点的问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持python博客。