sklearn 绘制roc曲线_如何用Tensorflow和scikit-learn绘制ROC曲线？

我试图从tensorflow提供的CIFAR-10示例的修改版本绘制ROC曲线。它现在为2类，而不是10如何用Tensorflow和scikit-learn绘制ROC曲线？

的网络的输出被称为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，做这些logits实际上代表什么？网络中的最后一层是WX + b形式的“softmax linear”。

该模型能够通过调用

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

然后计算精度，一旦图形已经被初始化：

predictions = sess.run([top_k_op])

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

true_count += np.sum(predictions)

...

precision = true_count/total_sample_count

这工作得很好。

但现在我怎么能从这个绘制ROC曲线？

任何帮助，将不胜感激！

+0

请参阅此处[链接](http://stackoverflow.com/questions/35811446/classification-accuracy-after-recall-and-precision/37275638#37275638)以获得计算并绘制ROC曲线的代码。 –