Python:使用随机森林分类器进行模型评估：ROC 曲线与 AUC 指标计算

---

前言

这段代码的目标是使用 随机森林分类器（Random Forest Classifier） 来进行二分类任务，并基于每个数据子集计算 ROC 曲线（Receiver Operating Characteristic Curve）以及 AUC（Area Under Curve）。

---

一、步骤

代码执行以下步骤：

数据预处理：
    按列选择目标变量和特征：每次循环时，从 newdata 数据中选择前14列作为特征（X），并选择第14列之后的某一列作为目标变量（y）。
    处理缺失值和无效值：通过将数据转换为数值类型，并删除包含 NaN 或无效值（如 -9999）的行，确保数据的干净和有效。

数据标准化：
    使用 标准化（StandardScaler） 将特征矩阵 X 转换为标准化数据，使得数据的均值为0，标准差为1，从而确保每个特征对模型的贡献是均衡的。

训练和验证数据集划分：
    在每轮循环中，数据被划分为训练集和验证集，比例为 2/5 和 3/5。此划分方式通过计算 split_index 和 train_index 来实现，后续用训练集训练模型，并在验证集上评估性能。

模型训练与评估：
    训练：使用 RandomForestClassifier 对训练集数据进行训练。模型的参数包括 n_estimators=1000（树的数量）和 max_depth=None（树的深度不限制）。
    验证与 ROC 曲线计算：使用训练好的分类器在验证集上进行预测，并计算 ROC 曲线 和 AUC。ROC 曲线描绘了模型分类性能在不同决策阈值下的变化，AUC 是 ROC 曲线下的面积，表示模型的分类能力。通过 RocCurveDisplay.from_estimator 来计算并显示这些值。

存储和平均化性能：
    曲线插值：为了绘制更平滑的ROC曲线，使用 np.interp 方法对每次计算得到的曲线进行插值，使其与均匀的 mean_fpr 对应。
    存储每轮（5次）的 TPR（True Positive Rate） 和 AUC，并计算所有折（fold）上的平均 TPR 和 AUC。

绘制最终 ROC 曲线：
    最后，在单一的图表上绘制所有 5 次训练得到的 ROC 曲线，并标注每个模型的 AUC 值，显示在图例中。

图表定制：
    为了符合出版标准，设置了图表的样式，包括坐标轴的宽度、字体大小、图例位置等。
    使用 Arial 字体 并调整了 ax1（绘制 ROC 曲线的轴）的刻度和标签样式。

代码的核心目的：

模型评估：使用随机森林分类器对数据进行训练，评估模型的分类性能。
ROC 和 AUC 计算：对每个模型计算并展示其 ROC 曲线 和 AUC，这些是评估分类模型性能的常用指标。
多次交叉验证：通过多次训练和评估（5次），保证模型在不同数据子集上的稳健性和泛化能力。
绘图和展示：生成一张带有多个模型 ROC 曲线的图，直观展示各个模型的表现。

代码

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
from sklearn.ensemble import RandomForestClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import RocCurveDisplay, auc
from sklearn.model_selection import StratifiedKFold
from sklearn.preprocessing import StandardScaler
import xgboost as xgb
import numpy as np
import pandas as pd
import os
from matplotlib.font_manager import FontProperties

# 创建一个字体属性对象
font_prop = FontProperties(family='Arial', size=20)

#%%读取数据 设置默认路径10
outdir='/DATA/'
random_state = np.random.RandomState(0)
fig1, ax1 = plt.subplots(1, 1, figsize=(8, 8))  # 这里设置为 1x1 只包含一个图
Factors= pd.read_excel('T.xlsx', sheet_name='Factors')
MSWEP=pd.read_excel('T.xlsx', sheet_name='MSWEP')
#%%
pres = ['A','B','C']
# 创建子目录（如果不存在）
label_dir = os.path.join(outdir, 'GPM')
os.makedirs(label_dir, exist_ok=True)
mean_fprs = []
mean_tprs = [