Keras 奇怪的ROC曲线，fpr>；tpr，我该如何改进它？

我建立了一个使用CNN自动编码器检测异常的模型

fpr,tpr,thresholds=roc_curve(y_true=Y_test_2,y_score=X_test_2_loss,pos_label='anomaly')
roc_auc=auc(fpr,tpr)

训练完成后，以重建误差作为异常评分，绘制ROC曲线

在这张图片中，在某个阈值fpr>tpr。。。。。。 这种现象严重吗？是样本分布还是模型本身造成的？

---

我很困惑，如何改进我的模型？

这仅仅意味着，对于fpr>tpr的领域，你的模型比单纯的猜测更糟糕。另一方面，auc=.66不太令人印象深刻，但这可能是因为无法从您拥有的数据/功能中了解事实输出。你的数据高度不平衡吗？谢谢你的回复。我的数据集有6000个训练图像和1000个测试图像，大约异常：正常==1:9。我建立了一个不平衡测试集，只有很少的阳性样本。我在想，与正常情况相比，异常情况是罕见的。测试集的不平衡是问题的原因吗？也许我必须通过培训来改进我的模型，以学习更有效的功能和更低的损失。我不知道问题是在于数据还是模型本身。我通过改变模型的损失函数和添加bn层取得了进展