Jark's Trick

想知道sklearn的roc曲线和auc是怎么计算的。所以专门阅读了sklearn的源码。 　　/scikit-learn-master/sklearn/metrics/ranking.py 　　其中有两个函数值得注意：_binary_clf_curve 和 roc_curve。所以特此举个例子将源码review一遍。#init y_true and y_scorey_true = np.a

LogisticRegression，一共有14个参数： 逻辑回归参数详细说明参数说明如下：penalty：惩罚项，str类型，可选参数为l1和l2，默认为l2。用于指定惩罚项中使用的规范。newton-cg、sag和lbfgs求解算法只支持L2规范。L1G规范假设的是模型的参数满足拉普拉斯分布，L2假设的模型参数满足高斯分布，所谓的范式就是加上对参数的约束，使得模型更不会过拟合(overfit