Python 计算AUC曲线时如何创建阈值？

我对python中的

scikit learn

中如何生成阈值感到困惑。对于下面的示例，生成了四个阈值，其中当我将

pred

中的第三个值更改为

0.6

时，阈值的数量降至3。有人能解释为什么会这样吗

#Example 1
import numpy as np
from sklearn import metrics
y = np.array([0, 0, 1, 1])
pred = np.array([0.1, 0.4, 0.3, 0.8])  #Please note the thord value here is `0.3`
fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=1)
fpr, tpr, thresholds 


(array([0. , 0.5, 0.5, 1. ]),
 array([0.5, 0.5, 1. , 1. ]),
 array([0.8, 0.4, 0.3, 0.1]))

#Example 2
y = np.array([0, 0, 1, 1])
pred = np.array([0.1, 0.4, 0.6, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=1)
fpr, tpr, thresholds 

(array([0., 0., 1.]), 
array([0.5, 1. , 1. ]), 
array([0.8, 0.6, 0.1]))

---

有一个关键字参数

drop\u intermediate

，默认为True：

drop_中间值：布尔值，可选（默认值为True） 是否降低一些在绘制的ROC曲线上不会出现的次优阈值。这对于创建较轻的ROC曲线非常有用。 版本0.17中新增：参数drop_intermediate

因此，将代码更改为：

fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=1, drop_intermediate=False)
fpr, tpr, thresholds 

给予

你可以在

(array([0. , 0. , 0.5, 1. ]),
 array([0.5, 1. , 1. , 1. ]),
 array([0.8, 0.6, 0.4, 0.1]))