plot_roc_curve(estimator, X, y, *, sample_weight=None, drop_intermediate=True, response_method='auto', name=None, ax=None, pos_label=None, **kwargs) 已弃用:函数 plot_roc_curve 在1.0 中已弃用,并将在 1.2 中删除。使用类方法之一: sklearn.metric.RocCurveDisplay.from_predictions 或sk...
最新的matplotlib版本自动封装了绘制ROC曲线的plot_roc_curve()方法,可以快速便捷地直接绘制出不同模型的ROC曲线。 #创建画布 fig,ax = plt.subplots(figsize=(12,10)) lr_roc = plot_roc_curve(estimator=lr_clf, X=cancer_X_test, y=cancer_y_test, ax=ax, linewidth=1) dt_roc = plot_roc_curve(e...
最新的matplotlib版本自动封装了绘制ROC曲线的plot_roc_curve()方法,可以快速便捷地直接绘制出不同模型的ROC曲线。 #创建画布 fig,ax = plt.subplots(figsize=(12,10)) lr_roc = plot_roc_curve(estimator=lr_clf, X=cancer_X_test, y=cancer_y_test, ax=ax, linewidth=1) dt_roc = plot_roc_curve(e...
roc_curve函数会根据真实标签和预测概率值计算出ROC曲线的参数。 绘制ROC曲线: 代码语言:txt 复制 plt.figure() plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc) plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--') plt.xlim([...
sklearn 绘制roc曲线 fromsklearn.metricsimportroc_curve, aucimportmatplotlib as mplimportmatplotlib.pyplot as plt defplot_roc(labels, predict_prob): false_positive_rate,true_positive_rate,thresholds=roc_curve(labels, predict_prob) roc_auc=auc(false_positive_rate, true_positive_rate)...
2. 使用plot_roc_curve函数绘制ROC曲线 #创建画布 fig, ax = plt.subplots() # svc_roc = plot_roc_curve(svc_clf, X_test, y_test, ax=ax) lr_clf_roc = plot_roc_curve(lr_clf, X_test, y_test, ax=ax) dt_clf_roc = plot_roc_curve(dt_clf, X_test, y_test, ax=ax) # knn_clf...
def plot_roc_curve(fpr, tpr, label=None): #绘制下图的红线,fpr和tpr是横纵坐标集合;color代表线的颜色;linestyle是线的形状(虚线,实线等); plt.plot(fpr, tpr, color='r',linestyle='-', linewidth=2, label=label) # 绘制途中黑线,"k"代表黑色,"--"代表是虚线,两个[0,1]意义和上一行的fpr,tp...
plot_roc_curve(fpr, tpr) from sklearn.ensemble import RandomForestClassifier forest_clf = RandomForestClassifier(random_state=42) y_probas_forest = cross_val_predict(forest_clf, X_train, y_train_3, cv=10, method="predict_proba")
fpr, tpr, thresholds = roc_curve(y_test, y_scores) roc_auc = auc(fpr, tpr)# 计算AUC(Area Under the Curve)值 # 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=...
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2) #得到fpr,tpr, thresholds 返回值对应如下: 得到一组fpr和tpr之后即可画出该次测试对应的roc曲线 plt.plot(fpr,tpr,marker = 'o') plt.show() 得到ROC曲线: fig.4.ROC曲线 ...