我在项目中使用了一个二元（好/坏）分类器，试图为其绘制ROC曲线。这个分类器使用遗传算法进行预测。

例如，如果给定的测试染色体[1.0,0.5,0.4,0.7]与另一个染色体[0.8,0.5,0.3,0.6]匹配，则认为它是好的。匹配的意思是与另一个染色体的欧几里得距离值低于某个特定值。

我已经完成了600个实例的分类，并且得到了最终的混淆矩阵（这个矩阵指的是一个四值表，我们可以通过它计算最终的TPR和FPR），每个实例的正确分类标签，以及每个实例的所有预测结果。

我已经阅读了关于ROC曲线的文档，接收者操作特征和机器学习性能评估工具：Python中的ROC曲线。我该如何继续获取ROC曲线？

通过我的最终四值表，我认为我只能在曲线上绘制一个点。上面附件的链接不断提到我需要一个得分（即概率得分），但我不知道如何为遗传算法分类器获取这个得分。但是，我如何利用每个实例预测的知识来创建一种连续的ROC曲线呢？

免责声明：我是ROC绘图的新手，我用Python编写代码——因此，我附上了与Python相关的ROC文档。

回答：

无论你是如何创建你的分类器的。最终，你的模型只是在||x - x_i|| < T时给出正标签，其中T是某个预定义的阈值。ROC曲线正是用这种类型的参数化——标量值，你可以改变它，使分类更偏向于正类或负类。因此，简单地通过多个T值，计算每个值的指标，这将创建你的ROC曲线。就是这样！