我被这个例子弄糊涂了：https://scikit-learn.org/stable/visualizations.html
如果我们为逻辑回归分类器绘制ROC曲线，则ROC曲线由阈值参数参数化。但是，通常的SVM会输出二进制值，而不是概率。因此，不应该存在可以改变以获得ROC曲线的阈值。
但是，在上面的例子中，哪个参数是可变的？
SVM使用与分离超平面的距离(如果不是线性SVM，则在内核之前(来衡量其预测的置信度。这些显然不是概率，但它们确实对数据点进行了排序，所以你可以得到ROC曲线。在sklearn中，这是通过decision_function方法完成的。(您也可以在SVC中设置probability=True，以将决策函数值校准为概率估计。(
有关决策功能的一些详细信息，请参阅《用户指南》的本节。