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 sklearn.metrics import roc_curve fpr_rf, tpr_rf, thresholds_rf = roc_curve(y_test, svc.predict_proba(x_test)[:, 1]) plt.plot(fpr, tpr, label="Roc Curve SVC") plt.plot(fpr_rf, tpr_rf, label="Roc Curve RF") plt.xlabel("FPR") plt.ylabel("TPR(recall") #找到最接近于0...
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)',...
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') plt.axis('square') plt.xlim([0,...
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='--') ...
fpr, tpr, thresholds = roc_curve(y,prob) roc_auc = auc(fpr,tpr) ###计算auc的值 lw = 2 plt.plot(fpr, tpr, color='darkorange', lw=lw, label='ROC curve (area = %0.3f)' % roc_auc) plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--') ...
print("AUC: %.3f" % roc_auc) 7、我们使用matplotlib.pyplot库绘制ROC曲线: 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='') ...
#roc_curve输出为tpr、fpr假正和真正概率,且第二个参数一定要是概率估计或者置信度 fpr,tpr,thresholds = roc_curve(test[:,3],tree.predict_proba(test[:,:3])[:,1],pos_label=1) #pos_labels设置的为感兴趣方的标签 #predict_probs前面输出的是0的概率,后面输出的是1的概率,如果不清楚可以只用predict...
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='--') ...
defroc_plot(label=None,scores=None,title=None,file_name=None,save=False):fpr,tpr,threshold=roc_curve(label,scores)###计算真正率和假正率roc_auc=roc_auc_score(label,scores)###计算auc的值plt.figure(figsize=figsize)plt.plot(fpr,tpr,color=my_colors[3],lw=lw,label='AUC:%0.4f'%roc_auc)...