sklearn.metrics.roc_curve仅返回少量fpr、tpr、threshold原因咨询

• 这是sklearn.metrics.roc_curve的默认设计逻辑：函数默认开启了drop_intermediate=True参数，只会保留能改变FPR或TPR取值的阈值，不会为每一个预测分数都生成对应记录，避免生成大量冗余的重复FPR/TPR点。
• 从你的返回结果可以看出，你的模型正负样本区分度极高，预测分数几乎完全可分：
  • 阈值高于6.5198536时，所有样本都被判定为负样本，FPR和TPR都为0
  • 阈值降到3.4357991时，96.77%的正样本都被正确召回，FPR仍为0，说明绝大多数正样本得分高于3.43，所有负样本得分低于3.43
  • 阈值降到2.5991373时，仅出现1例负样本被误判为正（对应FPR=0.00204499），TPR没有变化
  • 阈值降到2.575739时，剩余的正样本全部被召回，TPR达到1，FPR没有变化
  • 阈值低于0.8769072时，所有样本都被判定为正样本，FPR达到1
    整个过程中只有6个阈值点会改变FPR或TPR的取值，所以返回的数组长度仅为6。
• 如果需要获取所有对应唯一预测分数的阈值点，可以将drop_intermediate参数设置为False，调用示例如下：

  from sklearn.metrics import roc_curve
  fpr, tpr, thresholds = roc_curve(y_true, y_score, drop_intermediate=False)
  

内容的提问来源于stack exchange，提问作者exercise-3949