如何计算 TAR (%) @ FAR = 0.1% in Python？

Question

我在看一篇论文，论文中的结果是这样呈现的：

我想为我的模型制作一个类似的 table。使用下面的代码我得到了 FAR 和 TAR 值。

from sklearn import metrics

test = [0, 0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0 ,0 ,0 ,0 ,0 ,1 ,0 ,0 ,0 ,1, 0]        
pred = [0.04172871, 0.01611879, 0.01073375, 0.03344169 ,0.04172871, 0.04172871, 0.00430162 ,0.04172871 ,0.04172871 ,0.04172871 ,0.07977659, 0.905772,0.9396076,  0.03344169, 0.04172871, 0.09125287, 0.02964183, 0.0641269,0.04172871 ,0.04172871, 0.04172871, 0.0641269 , 0.04172871, 0.04172871,0.9919831 , 0.04172871, 0.01611879 ,0.04172871, 0.37865442 ,0.00240888]
far, tar, thresholds = metrics.roc_curve(Y_test,p)

我应该如何修正 FAR = 0.1% 以及如何使用 Python 计算 TAR% @FAR = 0.1%？

Answer 1

如果您熟悉 ROC 曲线，您就会知道曲线本身不会为您的模型提供 TRP (True Positive Rate) 和 FPR (False positive Rate) 的任何特定值。当您在模型产生的分布上移动某个阈值时，它会简单地跟踪 TPR 相对于 FPR 的演变。

因此，如果您想在 FPR=0.1% 处计算 TPR，您有两个选择：

您在 far 中有值 FPR = 0.1%，您只需检索其索引以在同一位置获得相应的 TRP 或 tar。

或者您在 far 中没有确切的值 FPR=0.1% ，在这种情况下，您可以获得值 0.1% 下方和上方的相应元组 (far, tar) 和执行线性插值以计算精确值。

如何计算 TAR (%) @ FAR = 0.1% in Python？

how do I calculate TAR (%) @ FAR = 0.1% in Python?

python

machine-learning