Machine learning 元素的ROC曲线计算

我知道ROC曲线是根据真阳性率和假阳性率计算出来的

但是ROC曲线上有无限元素，对吗？每个元素是如何计算的？有人能给我解释一下吗？每一点从哪里来

---

提前感谢

计算分类器阈值的所有值

在x轴上，给定阈值的“假阳性率”：FPR=FP/（TN+FP），其中：

• FP为假阳性数（预测为阳性但为阴性的元素）
• TN为真负数（预测为负数和真负数的元素）
• FP为假阳性数（预测为阳性但为阴性的元素）

在y轴上，给定阈值的“真阳性率”：TPR=TP/（TP+FN），其中：

• TP为真阳性数（预测阳性和真阳性）
• FN假阴性（预测为阴性但为阳性）的数量

---

在实践中，点数不是无限的：数据集的点数是有限的（在某些阈值范围内，速率不会改变）。

这就是理论的双正态ROC曲线和经验ROC曲线之间的差异。请参见第二部分的描述。