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

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。
最低0.47元/天 解锁文章
618

被折叠的 条评论
为什么被折叠?



