【Python绘图】Python绘制roc和aupr曲线

本文介绍了如何使用Python的`sklearn.metrics`库绘制AUC ROC曲线和AUPR曲线,展示二分类模型的性能。通过示例代码详细解释了绘制过程,并展示了绘制出的曲线结果。同时,提供了计算AUC和AUPR的步骤,帮助理解这些关键性能指标。


  在进行模型方法性能对比的时候,往往需要将自己的方法和 b a s e l i n e   m o d e l baseline~model baseline model的性能指标绘制绘制到同一个 F i g u r e Figure Figure进行对比,如Area Under the Receiver Operating Characteristic (AUROC)。具体的绘制方法如下(Python script, 以二分类为例):

1 绘制AUC曲线(绘制多个曲线到同一张图中)

from sklearn import metrics
import matplotlib.pylab as plt

plt.rc('font', family='Times New Roman')

y_true_1 = [1.0, 1.0, 0.0, 1.0, 0.0, 1.0, 0.0, 1.0, 0.0, 1.0,
            0.0, 1.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0]

y_score_2 = [0.99, 0.98, 0.97, 0.93, 0.85, 0.80, 0.79, 0.75, 0.70, 0.65,
             0.64, 0.63, 0.55, 0.54, 0.51
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值