python - Python中的平均错误率

谁能告诉我如何从python中的ROC曲线计算均等错误率（EER）？在scikit-learn中，有一种计算roc曲线和auc的方法，但找不到计算EER的方法。

from sklearn.metrics import roc_curve, auc

答案：

我想我实现了自己。

ROC EER的思想是直线连接之间的交点
（1,0）和（0,1）以及roc曲线。这是它相交的唯一点。对于a = 1和b = 1的直线，等式为 x+y =1 (x/a +y/b =1.0) 。因此，交点将为真正率（tpr）和假正率（fpr）的值，它表示以下等式：

    x + y - 1.0 = 0.0

从而将方法实现为：

 def compute_roc_EER(fpr, tpr):
    roc_EER = []
    cords = zip(fpr, tpr)
    for item in cords:
        item_fpr, item_tpr = item
        if item_tpr + item_fpr == 1.0:
            roc_EER.append((item_fpr, item_tpr))
assert(len(roc_EER) == 1.0)
return np.array(roc_EER)

所以这里一个值是错误率，另一个值是准确性。

可能有人可以帮助我进行验证。

最佳答案

对于通过Google搜索到达此处的其他任何人。正如格哈德（Gerhard）指出的那样，弗兰（Fran）的答案是错误的。正确的代码是：

fpr, tpr, threshold = roc_curve(y, y_pred, pos_label=1)
fnr = 1 - tpr
eer_threshold = threshold(np.nanargmin(np.absolute((fnr - fpr))))

请注意，这可以获取没有发生EER的阈值，即EER。 EER定义为FPR = 1-PTR = FNR。因此，要获得EER（实际错误率），可以使用以下代码：

EER = fpr(np.nanargmin(np.absolute((fnr - fpr))))

作为健全性检查，该值应接近

EER = fnr(np.nanargmin(np.absolute((fnr - fpr))))

因为这是一个近似值