利用python画出AUC曲线的实例
以load_breast_cancer数据集为例,模型细节不重要,重点是画AUC的代码。
直接上代码:
fromsklearn.datasetsimportload_breast_cancer fromsklearnimportmetrics fromsklearn.ensembleimportRandomForestClassifier fromsklearn.model_selectionimporttrain_test_split importpylabasplt importwarnings;warnings.filterwarnings('ignore') dataset=load_breast_cancer() data=dataset.data target=dataset.target X_train,X_test,y_train,y_test=train_test_split(data,target,test_size=0.2) rf=RandomForestClassifier(n_estimators=5) rf.fit(X_train,y_train) pred=rf.predict_proba(X_test)[:,1] #############画图部分 fpr,tpr,threshold=metrics.roc_curve(y_test,pred) roc_auc=metrics.auc(fpr,tpr) plt.figure(figsize=(6,6)) plt.title('ValidationROC') plt.plot(fpr,tpr,'b',label='ValAUC=%0.3f'%roc_auc) plt.legend(loc='lowerright') plt.plot([0,1],[0,1],'r--') plt.xlim([0,1]) plt.ylim([0,1]) plt.ylabel('TruePositiveRate') plt.xlabel('FalsePositiveRate') plt.show()
补充拓展:Python机器学习中的roc_auc曲线绘制
废话不多说,直接上代码
fromsklearn.metricsimportroc_curve,auc fromsklearn.ensembleimportRandomForestClassifier importmatplotlib.pyplotasplt fromsklearn.model_selectionimporttrain_test_split x_train,y_train,x_test,y_test=train_test_split(x,y,test_size=0.2) rf=RandomForestClassifier() rf.fit(x_train,y_train) rf.score(x_train,y_train) print('trainscore:'+str(rfbest.score(x_train,y_train))) print('testscore:'+str(rfbest.score(x_test,y_test))) y_score=rfbest.fit(x_train,y_train).predict_proba(x_test)#descision_function()不可用 print(type(y_score)) fpr,tpr,threshold=roc_curve(y_test,y_score[:,1]) roc_auc=auc(fpr,tpr) plt.figure(figsize=(10,10)) plt.plot(fpr,tpr,color='darkorange', lw=2,label='ROCcurve(area=%0.2f)'%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]) plt.ylim([0.0,1.05]) plt.xlabel('FalsePositiveRate') plt.ylabel('TruePositiveRate') plt.title('Receiveroperatingcharacteristicexample') plt.legend(loc="lowerright") plt.show()
以上这篇利用python画出AUC曲线的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。