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)',...
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...
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...
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='--') ...
(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, tpr, thresholds = roc_curve(y, y_pred_proba) auc = auc(fpr, tpr) # 绘制 ROC 曲线 plt.plot(fpr, tpr, label="ROC curve (AUC = %0.2f)" % auc) plt.legend() plt.draw() plt.show() 参考文档:Python 机器学习 逻辑回归 常用分类评估方法-CJavaPy ...
fpr["micro"], tpr["micro"], _ = roc_curve(y_test.ravel(), y_score.ravel()) roc_auc["micro"] = auc(fpr["micro"], tpr["micro"]) #Plot of a ROC curve for a specific class plt.figure() lw = 2 plt.plot(fpr[2], tpr[2], color='darkorange', ...
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='') ...