解決ROC曲線畫出來只有一個點的問題
之前在做kaggle比賽時,有個比賽使用AUC來評比的,當(dāng)時試著畫了ROC曲線,結(jié)果出來的下圖這樣的圖形。跟平時的ROC曲線差好遠(yuǎn),就只有一個點。而別人家的都是很多轉(zhuǎn)折的,為啥我的不一樣。
我的圖如下:

正常的圖(sklearn上面截取的):

思考過后,發(fā)現(xiàn)原來:
ROC曲線,一般適用于你的分類器輸出一個“概率值”,即這個樣本屬于某個類的概率是多少。 如此的話,你就需要設(shè)定一個閾值, 大于這個閾值屬于正類,小于這個閾值屬于負(fù)類。
從而,對于這個閾值P0, 就會得到對應(yīng)的TPR, FPR, 也就是ROC曲線上的一個點,你設(shè)置不同的閾值,就會得到不同的TPR, FPR, 從而構(gòu)成ROC曲線。
通常來說 閾值降低,即進入正類的門檻變低, TPR會變大,但是FPR也會變大, 看他們誰變的快。
之前畫線的時候直接用了分類的預(yù)測值,而沒有用上概率這玩意,被劃分為正類的概率。。修改下程序,求多一個概率就能畫出正確的圖形啦。
如果你用GDBT算法的時候:
gbc = GradientBoostingClassifier()
gbc.fit(x_train, y_train)
resu = gbc.predict(x_test) #進行預(yù)測
y_pred_gbc = gbc.predict_proba(x_test)[:,1] ###這玩意就是預(yù)測概率的
fpr, tpr, threshold = roc_curve(y_test, y_pred_gbc) ###畫圖的時候要用預(yù)測的概率,而不是你的預(yù)測的值
plt.plot(fpr, tpr, 'b', label='AUC = %0.2f' % rocauc)#生成ROC曲線
plt.legend(loc='lower right')
plt.plot([0, 1], [0, 1], 'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('真正率')
plt.xlabel('假正率')
plt.show()

以上這篇解決ROC曲線畫出來只有一個點的問題就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python轉(zhuǎn)為C語言并編譯生成二進制文件的教程詳解
這篇文章主要為大家詳細(xì)介紹了將Python轉(zhuǎn)為C語言并編譯生成二進制文件的相關(guān)教程,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以了解一下2023-12-12
解決Python3 struct報錯argument for 's'&
這篇文章主要為大家介紹了解決Python3 struct報錯argument for 's' must be a bytes object方法詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-08-08
Python?enumerate()計數(shù)器簡化循環(huán)
這篇文章主要介紹了Python?enumerate()計數(shù)器簡化循環(huán),enumerate()最大的優(yōu)點就是它返回一個帶有計數(shù)器和值的元組,因此我們不必自己增加計數(shù)器,下面就來看看文章具體對它的詳細(xì)介紹吧,需要的朋友可以參考一下2021-12-12
python人工智能tensorflow優(yōu)化器Optimizer算法匯總
這篇文章主要為大家介紹了python人工智能tensorflowtf優(yōu)化器Optimizer算法匯總,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2022-05-05
Python基礎(chǔ)之?dāng)?shù)據(jù)類型知識匯總
今天帶大家復(fù)習(xí)一下Python基礎(chǔ)知識,文中對數(shù)據(jù)類型相關(guān)知識做了詳細(xì)的匯總,對剛?cè)腴Tpython的小伙伴很有幫助喲,需要的朋友可以參考下2021-05-05

