用 Python 实现 ROC 曲线并标记最佳阈值及其数值标签

用 Python 实现 ROC 曲线并标记最佳阈值及其数值标签

ROC 曲线是衡量分类模型性能的重要指标之一，它展示了分类器在不同阈值下的真正率与假正率的变化情况。在实际应用中，为了找到最佳分类阈值以达到最优效果，需要在 ROC 曲线上标记出最佳阈值及其数值标签。本文将介绍如何使用 Python 实现 ROC 曲线，并在曲线上标记最佳阈值及其数值标签。

首先，我们需要导入相关的库和数据集。这里以 sklearn 自带的鸢尾花数据集为例：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import roc_curve, roc_auc_score