从源码的角度解释调用sklearn.metrics中roc_curve()方法的疑惑

前言

模型训练完成后，在计算ks值以及绘制roc曲线和auc曲线时候，我们方便的调用sklearn.metrics中的ric_curve(y_true, y_pre_pro)方法，计算tpr、fpr、threshholds。函数roc_curve() 通过对 y_pre_pro 进行排序，将排序后的y_pre_pro从大到小作为阈值，计算该阈值下的tpr、fpr，并且以下图所示的的形式将结果返回。

疑惑1:len(thresholds)的长度为什么比len(y_pre_pro)大1？

查看roc_curve()函数的源码发现：

其返回值thresholds的说明为：降低用于计算fpr和tpr的决策函数的阈值。“threshold[0]”表示没有预测到