Python 直线的ROC曲线

我目前正在努力为

LinearSVC

模型绘制ROC曲线。由于

LinearSVC

模型只能调用

decision_function（）

来计算y_分数（与通常的

predict_proba（）

相反），我发现很难为每个类计算

fpr

和

tpr

。尝试时

for i in range(n_classes):
    fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_score[:, i])
    roc_auc[i] = auc(fpr[i], tpr[i])

我得到

索引器错误：数组的索引太多

。切换到回答中提供的解决方案将意味着增加标签，这是我希望避免的。具有线性内核的普通

SVC

模型不允许我为基于l1的特征选择设置l1惩罚，因此也要避免这种情况

---

关于如何解决这个问题，有什么想法吗？

ROC曲线本身的定义表明，它描绘了二元分类器的特征。如果您想将其扩展到多类问题，显而易见的方法是使用回答中提到的

OneVsRestClassifier

。你不想使用这种方法有什么具体原因吗？@panktijk我不是OP，但面临着同样的问题。问题不在于多类，而在于分类器不返回概率，而只是最终的分类结果。看来sclearn的函数无法处理这些问题。有一个好的构建方式吗？@panktijk我自己的问题