逻辑回归得到有效roc_auc_score但绘制ROC曲线仅显示基线无AUC曲线如何解决

问题原因 #

• 核心逻辑错误：遍历不同阈值生成对应预测结果preds后，计算混淆矩阵时始终传入固定的默认阈值预测结果log_preds，导致每次循环得到的TPR、FPR完全一致，所有ROC点重合为单个点，无法形成可见曲线。
• 次要检查项：确认已提前导入所有依赖库：numpy(别名np)、sklearn.metrics.confusion_matrix、matplotlib.pyplot(别名plt)，缺少导入会触发报错导致无曲线输出。

修复后代码 #

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

probas = lg.predict_proba(X_test)[:, 1]
def get_preds(threshold, probabilities):
    return [1 if prob > threshold else 0 for prob in probabilities]
roc_values = []
for thresh in np.linspace(0, 1, 100):
    preds = get_preds(thresh, probas)
    # 核心修改：将log_preds替换为当前阈值对应的preds
    tn, fp, fn, tp = confusion_matrix(y_test, preds).ravel()
    tpr = tp/(tp+fn)
    fpr = fp/(fp+tn)
    roc_values.append([tpr, fpr])
tpr_values, fpr_values = zip(*roc_values)
fig, ax = plt.subplots(figsize=(10,7))
# 补充曲线标签便于展示AUC指标
ax.plot(fpr_values, tpr_values, label=f'ROC curve (AUC = {0.6664:.2f})')
ax.plot(np.linspace(0, 1, 100),
         np.linspace(0, 1, 100),
         label='baseline',
         linestyle='--')
plt.title('Receiver Operating Characteristic Curve', fontsize=18)
plt.ylabel('TPR', fontsize=16)
plt.xlabel('FPR', fontsize=16)
plt.legend(fontsize=12)
plt.show()

内容的提问来源于stack exchange，提问作者Shane Li