我試圖從tensorflow提供的CIFAR-10示例的修改版本繪制ROC曲線。它現(xiàn)在為2類，而不是10如何用Tensorflow和scikit-learn繪制ROC曲線？

的網(wǎng)絡(luò)的輸出被稱為logits并采取以下形式：

[[-2.57313061 2.57966399] [0.04221377 -0.04033273] [-1.42880082 1.43337202] [ -2.7692945 2.78173304] [-2.48195744 2.49331546] [2.0941515 -2.10268974] [-3.51670194 3.53267646] [-2.74760485 2.75617766] ...]

首先，做這些logits實際上代表什么？網(wǎng)絡(luò)中的最后一層是WX + b形式的“softmax linear”。

該模型能夠通過調(diào)用

top_k_op = tf.nn.in_top_k(logits, labels, 1)

然后計算精度，一旦圖形已經(jīng)被初始化：

predictions = sess.run([top_k_op])

predictions_int = np.array(predictions).astype(int)

true_count += np.sum(predictions)

...

precision = true_count/total_sample_count

這工作得很好。

但現(xiàn)在我怎么能從這個繪制ROC曲線？

任何幫助，將不勝感激！

+0

請參閱此處[鏈接](http://stackoverflow.com/questions/35811446/classification-accuracy-after-recall-and-precision/37275638#37275638)以獲得計算并繪制ROC曲線的代碼。 –

總結(jié)

以上是生活随笔為你收集整理的sklearn 绘制roc曲线_如何用Tensorflow和scikit-learn绘制ROC曲线？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。