2. 4. 绘制ROC曲线 最后,我们可以使用sklearn提供的roc_curve函数来计算ROC曲线的各个点,然后使用matplotlib来绘制ROC曲线。 # 计算ROC曲线的各个点fpr,tpr,thresholds=roc_curve(y_test,y_score)# 计算ROC曲线下面积roc_auc=auc(fpr,tpr)# 绘制ROC曲线plt.figure()plt.plot(fpr,tpr,color='darkorange',lw=2...
然后,我们假设 y_true 是真实标签,y_scores 是模型预测得分。接着,我们使用 roc_curve 函数计算了真正类率(True Positive Rate)和假正类率(False Positive Rate)以及相应的阈值。最后,我们使用 plot_roc_curve 函数绘制了ROC曲线,并将其展示出来。需要注意的是,绘制ROC曲线需要知道真实标签和模型预测得分。在实际...
from matplotlib.font_manager import FontProperties from sklearn.metrics import roc_curve def plot(fpr,tpr):#画出函数图像 fig = plt.figure() font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14) plt.xlabel('假正例率(FPR)',fontproperties=font) plt.ylabel('真正例率(TPR)',...
import matplotlib.pyplot as plt from sklearn.metrics import roc_curve, auc # 计算 fpr, tpr, thread = roc_curve(y_test, y_score) roc_auc[i] = auc(fpr, tpr) # 绘图 plt.figure() lw = 2 plt.plot(fpr, tpr, color='darkorange', lw=lw, label='ROC curve...
from sklearn.metrics import roc_curve, aucfrom sklearn.metrics import plot_roc_curve 加载数据集 iris = datasets.load_iris()X = iris.datay = iris.target 二值化标签(OvR需要) y = label_binarize(y, classes=[0, 1, 2])n_classes = y.shape[1] 划分训练集和测试集 X_train, X_test, y...
(labels,preds):'''labels: listpreds: list'''fpr,tpr,thersholds=roc_curve(labels,preds,pos_label=1)# pos_label指定哪个标签为正样本roc_auc=auc(fpr,tpr)# 计算ROC曲线下面积plt.figure(figsize=(10,7),dpi=300)plt.plot(fpr,tpr,'-',color='r',label='ROC (area=%.6f)'%(roc_auc),lw=...
fpr, tpr, thresholds = roc_curve(y_test, y_test_predprob, pos_label=1) plt.plot(fpr, tpr, lw=5, label='{} (AUC={:.3f})'.format(name, auc(fpr, tpr)),color = colorname) plt.plot([0, 1], [0, 1], '--', lw=5, color = 'grey') ...
fpr["micro"],tpr["micro"],_=roc_curve(y_test.ravel(),y_score.ravel())roc_auc["micro"]=auc(fpr["micro"],tpr["micro"]) 第五步绘图 代码语言:javascript 复制 # In[*]plt.figure()lw=2plt.plot(fpr[2],tpr[2],color='darkorange',lw=lw,label='ROC curve (area = %0.2f)'%roc_au...
我们使用label_binarize函数将目标变量二值化,以便可以将多分类问题转换为多个二分类问题。然后,我们使用roc_curve函数计算每个类的ROC曲线,并使用auc函数计算每个类的AUC值。最后,我们使用plot_roc_curve函数绘制ROC曲线,其中我们使用循环遍历每个类的ROC曲线,并使用matplotlib库绘制它们。
roc_auc[i] = auc(fpr, tpr) # 绘图 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='--') ...