二元分类器过于自信,无法用sklearn绘制ROC曲线?

我在Tensorflow中创建了一个二进制分类器,它将输出一个包含预测的生成器对象。我将预测(例如[0.98,0.02])从对象中提取到一个列表中,然后将其转换为numpy数组。我有这些预测对应的标签数组。使用这两个阵列,我相信我应该能够通过以下方式绘制roc曲线:

import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve

fpr, tpr, thr = roc_curve(labels, predictions[:,1])
plt.plot(fpr, tpr)
plt.show()
print(fpr)
print(tpr)
print(thr)

其中预测[:,1]给出了积极的预测分数。但是,运行此代码只会得到一条平线,每个fpr、tpr和thr只有三个值: Flat line roc plot and limited function outputs.

关于为什么会发生这种情况,我唯一的理论是因为我的分类器对它的预测太有把握了。许多(如果不是全部的话)积极预测得分为1.0,或者非常接近于零:

[[9.9999976e-01 2.8635742e-07]
 [3.3693312e-11 1.0000000e+00]
 [1.0000000e+00 9.8642090e-09]
 ...
 [1.0106111e-15 1.0000000e+00]
 [1.0000000e+00 1.0030269e-09]
 [8.6156778e-15 1.0000000e+00]]

根据一些消息来源,包括 this stackoverflow线程和 this stackoverflow线程,我预测的极性值可能会给roc\U curve()带来问题。

我的直觉正确吗?如果是这样的话,我能做些什么来绘制我的roc\U曲线吗?

我已经试着把我认为与这个问题相关的所有信息都包括进来,但是如果你想了解更多关于我的项目的信息,请询问。