[英]Scikit - How to define thresholds for plotting roc curve
我有一個提升樹模型以及測試數據集的概率和分類。 我正在嘗試繪制相同的 roc_curve。 但我無法弄清楚如何在 scikit learn 中為 roc 曲線定義閾值/alpha。
from sklearn.metrics import precision_recall_curve,roc_curve,auc, average_precision_score
fpr = dict()
tpr = dict()
roc_auc = dict()
fpr,tpr,_ = roc_curve(ytest,p_test, pos_label=1)
roc_auc = auc(fpr,tpr)
plt.figure()
lw = 2
plt.plot(fpr, tpr, color='darkorange', lw=lw, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic example')
plt.legend(loc="lower right")
plt.savefig('ROCProb.png')
plt.show()
我在這里看了一個類似的問題: scikit learn roc_curve 中的閾值
卻想不通。 我也願意使用其他一些圖書館。
fpr
和tpr
每個值都是針對某個閾值計算的,這些閾值的值在第三個輸出 roc_curve 中返回(在您的情況下為變量 _)
這是一個例子
import numpy as np
from sklearn import metrics
y_true = np.array([1, 1, 2, 2])
y_scores = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y_true, y_scores, pos_label=2)
將數據制表以進行演示
Threshold FPR TPR
0 0.80 0.0 0.5
1 0.40 0.5 0.5
2 0.35 0.5 1.0
3 0.10 1.0 1.0
上面的第一行顯示閾值 .8 fpr 為 0,tpr 為 0.5,依此類推
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.