ROC曲線tf.contrib.learn.LinearClassifier

Question

我想繪製tf.contrib.learn.LinearClassifier我訓練的ROC曲線。

ROC曲線示出了作爲鑑別閾值改變TPR和FPR的不同的值，但鑑別閾值始終是0.5。

我看不出告訴LinearClassifier去改變它，或登錄TPR和FPR針對不同的閾值。

Answer 1

我終於想出瞭如何做到這一點。我需要添加自定義指標，如：

def recall_fn(predictions=None, labels=None, weights=None): 
    recall = tf.metrics.recall_at_thresholds(labels, predictions[:,1],[0.2,0.5,0.7]) 
    return recall 

然後定義我的指標，如：

with tf.variable_scope("metrics"): 
    validation_metrics = { 
    "recall": 
     tf.contrib.learn.MetricSpec(
      metric_fn=recall_fn, 
      prediction_key=tf.contrib.learn.PredictionKey.PROBABILITIES) 
     } 

終於在評估方法調用中使用它們：

results = m.evaluate(input_fn=lambda: chk_batch_input_fn(test_stream), 
    steps=100, metrics=validation_metrics) 

不完全是ROC曲線，但它是我想要的反饋/指標。