Python3 使用SVM--Lasso等，训练模型，画出auc曲线

最新推荐文章于 2024-07-25 11:55:54 发布

原创最新推荐文章于 2024-07-25 11:55:54 发布 · 4.3k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#python #ROC

python 同时被 2 个专栏收录

23 篇文章

订阅专栏

ROC

1 篇文章

订阅专栏

本文详细介绍了如何使用sklearn库中的roc_curve函数绘制ROC曲线。重点解释了该函数的参数设置，特别是y_true和y_score参数的具体含义及应用示例。通过不同分类器的输出，如概率估计、决策函数值等，来生成ROC曲线所需的数据。

注意：roc_curve() 这个函数

来源于：sklearn.metrics.roc_curve

roc_curve(y_true, y_score, pos_label=None, sample_weight=None, drop_intermediate=True)

注意它的参数：
Parameters:
y_true : array, shape = [n_samples]
      True binary labels in range {0, 1} or {-1, 1}. If labels are not binary, pos_label should be explicitly given.

y_score : array, shape = [n_samples]
      Target scores, can either be probability estimates of the positive class, confidence values, or non-thresholded measure of decisions (as returned by “decision_function” on some classifiers).

pos_label : int or str, default=None
       Label considered as positive and others are considered negative.
 ...

注意第二个参数是：y_score，它可以是：对正例的概率估计值，置信度值，
决策值的非阈值测量（一些分类器中用decision_function来返回）

例如：

Model = classifier.fit(TrainX, Trainy)

1.
probas_ = Model.predict_proba(TestX)
#一些分类器直接predict_proba，返回概率值
predictions = Model.predict(TestX)
#predict返回预测值

fpr, tpr, thresholds = roc_curve(Testy,probas_[:,1],pos_label=1)

2.
probas_ = Model.decision_function(TestX)
#返回