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。