Python画ROC图与AUC值
ROC和AUC定义
ROC全称是“受试者工作特征”(Receiver Operating Characteristic)。ROC曲线的面积就是AUC(Area Under the Curve)。AUC用于衡量“二分类问题”机器学习算法性能(泛化能力)
计算ROC的关键概念
- P(Positive):预测值为正例
- N(Negative):预测值为反例
- T(True):预测值与真实值相同
- F(False):预测值与真实值相反
- TP:被模型预测为正类的正样本
- TN:被模型预测为负类的负样本
- FP:被模型预测为正类的负样本
- FN:被模型预测为负类的正样本
from sklearn.metrics import roc_curve
from sklearn.metrics import auc
# fpr, tpr
fpr, tpr, thresholds = roc_curve(train_y, oof_lgb,pos_label=1)
# 计算auc
auc = auc(fpr, tpr) plt.xlim(0, 1)
plt.ylim(0, 1)
plt.plot(fpr, tpr, label='LightGBM (AUC = {:.3f})'.format(auc))
plt.plot([0, 1], [0, 1], 'k--')
plt.xlabel('False positive rate')
plt.ylabel('True positive rate')
plt.title('ROC curve ')
plt.legend(loc='best')
plt.show()
参考:
https://blog.csdn.net/dongjinkun/article/details/109899733
https://blog.csdn.net/weixin_45592298/article/details/115307705
Python画ROC图与AUC值相关推荐
- python画roc曲线_使用Python画ROC曲线以及AUC值
AUC介绍 AUC (Area Under Curve)是机器学习二分类模型中非常常用的评估指标,相比于 F1-Score 对项目的不平衡有更大的容忍性,目前常见的机器学习库中(比如 scikit-l ...
- python画出roc曲线 auc计算逻辑_Python画ROC曲线和AUC值计算
前言 ROC(Receiver Operating Characteristic)曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣.这篇文章将先简单的介绍ROC和AU ...
- python画折线图显示点值-Python 绘制可视化折线图
1. 用 Numpy ndarray 作为数据传入 ply import numpy as np import matplotlib as mpl import matplotlib.pyplot a ...
- R语言使用pROC包绘制ROC曲线实战:roc函数计算AUC值、plot.roc函数绘制ROC曲线、添加置信区间、为回归模型中的每个因子绘制ROC曲线并在同一个图中显示出来
R语言使用pROC包绘制ROC曲线实战:roc函数计算AUC值.plot.roc函数绘制ROC曲线.添加置信区间.为回归模型中的每个因子绘制ROC曲线并在同一个图中显示出来 目录
- 机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
北京 | 高性能计算之GPU CUDA课程11月24-26日3天密集学习 快速带你晋级阅读全文> 在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度.错误率指的是在所有测试样例中错分 ...
- 一文详尽混淆矩阵、准确率、精确率、召回率、F1值、P-R 曲线、ROC 曲线、AUC 值、Micro-F1 和 Macro-F1
文章目录 二分类的评价指标 一.混淆矩阵与 TP.TN.FP.FN 二.准确率.精确率.召回率.F1值 三.P-R 曲线 四.ROC 曲线.AUC 值 五.P-R曲线和ROC曲线有什么区别,如何选择? ...
- 分类模型-评估指标(2):ROC曲线、 AUC值(ROC曲线下的面积)【只能用于二分类模型的评价】【不受类别数量不平衡的影响;不受阈值取值的影响】【AUC的计算方式:统计所有正负样本对中的正序对】
评价二值分类器的指标很多,比如precision.recall.F1 score.P-R曲线等.但这些指标或多或少只能反映模型在某一方面的性能.相比而言,ROC曲线则有很多优点,经常作为评估二值分类器 ...
- 机器学习之分类器性能指标之ROC曲线、AUC值
机器学习之分类器性能指标之ROC曲线.AUC值 http://www.cnblogs.com/dlml/p/4403482.html 分类器性能指标之ROC曲线.AUC值 一 roc曲线 1.roc曲 ...
- 分类性能度量指标:ROC曲线、AUC值、正确率、召回率、敏感度、特异度
在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度.错误率指的是在所有测试样例中错分的样例比例.实际上,这样的度量错误掩盖了样例如何被分错的事实.在机器学习中,有一个普遍适用的称为混淆矩阵 ...
最新文章
- 51单片机怎么学啊?有推荐的线上网课和书籍么?
- 使用Python批量删除windows下特定目录的N天前的旧文件实战:Windows下批量删除旧文件、清除缓存文件、解救C盘、拒绝C盘爆炸
- springboot整个cas_SpringBoot集成SpringSecurity+CAS
- [开源]C#二维码生成解析工具,可添加自定义Logo
- 分别使用委托、接口、匿名方法、泛型委托实现加减乘除运算
- cleanmymac定时清理与垃圾监测
- SQL Server中Rollup关键字使用技巧
- Scala _03方法与函数
- Android 一步步教你从ActionBar迁移到ToolBar
- elk笔记25--快速体验APM
- 四种方法解决微信小程序设置背景图片,哪种最好?
- 产品黑魔法:腾讯搞流量的重要一课
- 骐俊CAT1模组 - MQTT接入腾讯云平台篇
- EPLAN史上最全部件库,官网下载,部件宏,EDZ格式,大小合适导入容易
- 文华财经指标公式博易大师软件指标公式
- 为了让你在“口袋奇兵,最新Java高级面试题汇
- Perl语言中一些内置变量等,$、qw、cmp、eq、ne等
- 怎样用PS制作8张一寸照片
- 个人seo的经验分享
- 第五讲 二维费用的背包问题 HD FATE(二维完全背包)