如何在Python中从ROC曲线获取最优阈值？

Hey, I get it—you're looking for an equivalent to R's coords() function to grab the optimal threshold from a ROC curve in Python. While there's no direct out-of-the-box function with that exact name, scikit-learn gives us all the tools we need to calculate it easily, and we can even integrate it right into your existing plotting code.

核心思路：常用的最优阈值判定方法 #

最常用的两种判定逻辑是：

• Youden指数最大化：计算TPR - FPR（真阳性率减假阳性率），取这个值最大时对应的阈值，这是临床和统计场景中很常用的指标。
• 距离左上角最近：ROC曲线的左上角(0,1)代表完美分类（FPR=0，TPR=1），我们找曲线上离这个点欧氏距离最近的点对应的阈值。

整合到你的ROC绘图函数中 #

下面是修改后的代码，加入了最优阈值的计算、可视化标记，还会返回最优阈值及对应FPR/TPR：

import numpy as np
from sklearn import metrics
import matplotlib.pyplot as plt

def plot_roc_curve(fpr, tpr, thresholds):
    plt.figure()
    plt.plot(fpr, tpr, color='darkorange', label='ROC curve (area = %0.2f)' % metrics.auc(fpr, tpr))
    plt.plot([0, 1], [0, 1], color='navy', linestyle='--')
    plt.xlim([0.0, 1.0])
    plt.ylim([0.0, 1.05])
    plt.xlabel('False Positive Rate')
    plt.ylabel('True Positive Rate')
    
    # --- 计算最优阈值（Youden指数法，推荐） ---
    youden_index = tpr - fpr
    best_idx = np.argmax(youden_index)
    best_threshold = thresholds[best_idx]
    best_fpr = fpr[best_idx]
    best_tpr = tpr[best_idx]

    # 如果你想用距离法，替换上面的代码为：
    # distances = np.sqrt((1 - tpr)**2 + (0 - fpr)**2)
    # best_idx = np.argmin(distances)
    # best_threshold = thresholds[best_idx]
    # best_fpr = fpr[best_idx]
    # best_tpr = tpr[best_idx]
    
    # 在ROC曲线上标记最优阈值点
    plt.scatter(best_fpr, best_tpr, color='green', s=100, zorder=5, 
                label=f'Optimal Threshold: {best_threshold:.2f}\n(TPR={best_tpr:.2f}, FPR={best_fpr:.2f})')
    
    # 创建阈值轴（保留你原来的逻辑）
    ax2 = plt.gca().twinx()
    ax2.plot(fpr, thresholds, markeredgecolor='r', linestyle='dashed', color='r')
    ax2.set_ylabel('Threshold', color='r')
    ax2.set_ylim([thresholds[-1], thresholds[0]])
    ax2.set_xlim([fpr[0], fpr[-1]])
    
    plt.legend(loc="lower right")
    plt.savefig('roc_and_threshold.png')
    plt.close()
    
    # 返回最优结果
    return best_threshold, best_fpr, best_tpr

使用说明 #

1. 调用plot_roc_curve(fpr, tpr, thresholds)时，它会自动计算并返回最优阈值，同时在生成的ROC图上用绿色大圆点标记出这个最优点，还会显示对应的TPR和FPR。
2. 两种阈值判定方法可以按需切换，注释掉其中一种即可。
3. 注意：scikit-learn的roc_curve()返回的thresholds是按降序排列的，和你绘图时的逻辑一致，所以索引对应不会出错。

内容的提问来源于stack exchange，提问作者morty