plt.plot(x_point,y_point,label='ks - {:.2f}'.format(ks_value),color='r',marker='o',markerfacecolor='r',markersize=5)plt.scatter(x_point,y_point
#Plot of a ROC curve for a specific class plt.rcParams['figure.figsize']=(8,5) plt.figure() plt.plot(fpr[2], tpr[2], color='darkorange', label='ROC curve (area = %0.2f)' % roc_auc[2]) plt.plot([0, 1], [0, 1], color='navy', linestyle='--') plt.xlim([0.0, 1.0]...
(tnr3) plot_data = pd.DataFrame({'cuts':cuts,'y1':np.array(tpr),'y2':1-np.array(tnr),'ks':np.array(tpr) - 1 + np.array(tnr)}) max_ks_index = np.argmax(plot_data.ks) max_ks = plot_data.ks[max_ks_index] max_cuts = plot_data.cuts[max_ks_index] best_score = ...
plt.plot(fpr,tpr,lw=1,label='ROC fold %d (area = %0.2f)'%(i+1,roc_auc)) i+=1 plt.plot([0,1],[0,1],linestyle='--',color=(0.6,0.6,0.6),label='random guessing') mean_tpr/=5 mean_tpr[-1]=1.0 mean_auc=auc(mean_fpr,mean_tpr) plt.plot(mean_fpr,mean_tpr,'k--',lab...
y_1 = y.astype(int) PlotKS(y_proba_model_1[:,1],y_1,10,0) y_proba_model_1[:,1]:表示模型预测样本逾期的prob。 y_1:表示模型的实际标签,逾期客户标记为1,正常客户标记为0。 10:表示分成10组。 0:表示输入的是prob。如果输入的是score,对应位置改为1即可。 得到结果如下: 代码语言:javascrip...
将代码封装在函数PlotKS_N里,Pred_Var是预测结果,可以是评分或概率形式;labels_Var是好坏标签,取值为1或0,1代表坏客户,0代表好客户;descending用于控制数据按违约概率降序排列,如果Pred_Var是评分,则descending=0,如果Pred_Var是概率形式,则descending=1;N表示在将数据按风险降序排列后,等分N份后计算KS值。 Plot...
在R 语言中,我们可以使用 ks.plot() 函数来绘制 ks 曲线。首先,需要安装并加载"ks"包,这是一个包含 ks 函数和 ks.plot() 函数的包。接下来,我们可以使用 ks.plot() 函数绘制 ks 曲线,该函数需要两个参数:一个是分类模型预测结果的 DataFrame,另一个是模型的名称。在绘制 ks 曲线时,我们可以设置不同的...
plt.plot(fpr, tpr, color='darkorange',lw=2,label='ROC curve (area = %0.4f)' % roc_auc) ###假正率为横坐标,真正率为纵坐标做曲线 plt.plot([0, 1], [0, 1], color='navy', lw=2,linestyle='--') plt.xlim([0.0, 1.0]) ...
plot(ks_stat, main = "R 语言 ks 曲线示例", xlab = "真实类别", ylab = "预测类别") ``` 此外,还可以通过自定义ks 曲线的样式,以满足不同的可视化需求。例如,可以使用不同的颜色和线型来表示不同的模型或数据集: ```R # 修改 ks 曲线的颜色和线型 plot(ks_stat, main = "R 语言 ks 曲线示...
def PlotKS(preds, labels, n, asc): # preds is score: asc=1 # preds is prob: asc=0 pred = preds # 预测值 bad = labels # 取1为bad, 0为good ksds = DataFrame({'bad': bad, 'pred': pred}) ksds['good'] = 1 - ksds.bad ...