快捷導(dǎo)航

python模型性能ROC和AUC分析詳解

更新時(shí)間：2023年03月22日 16:11:47 作者：冷凍工廠

這篇文章主要為大家介紹了python模型性能ROC和AUC分析詳解，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(jìn)步，早日升職加薪

正文

本文將介紹模型性能分析的兩個(gè)方法：ROC & AUC。

ROC 分析和曲線下面積 (AUC) 是數(shù)據(jù)科學(xué)中廣泛使用的工具，借鑒了信號(hào)處理，用于評(píng)估不同參數(shù)化下模型的質(zhì)量，或比較兩個(gè)或多個(gè)模型的性能。

傳統(tǒng)的性能指標(biāo)，如準(zhǔn)確率和召回率，在很大程度上依賴于正樣本的觀察。因此，ROC 和 AUC 使用真陽(yáng)性率和假陽(yáng)性率來(lái)評(píng)估質(zhì)量，同時(shí)考慮到正面和負(fù)面觀察結(jié)果。

從分解問(wèn)題到使用機(jī)器學(xué)習(xí)解決問(wèn)題的過(guò)程有多個(gè)步驟。它涉及數(shù)據(jù)收集、清理和特征工程、構(gòu)建模型，最后是，評(píng)估模型性能。

當(dāng)您評(píng)估模型的質(zhì)量時(shí)，通常會(huì)使用精度和召回率等指標(biāo)，也分別稱為數(shù)據(jù)挖掘領(lǐng)域的置信度和靈敏度。

這些指標(biāo)將預(yù)測(cè)值與通常來(lái)自保留集的實(shí)際觀察值進(jìn)行比較，使用混淆矩陣進(jìn)行可視化。

讓我們首先關(guān)注精度，也稱為陽(yáng)性預(yù)測(cè)值。使用混淆矩陣，您可以將 Precision 構(gòu)建為所有真實(shí)陽(yáng)性與所有預(yù)測(cè)陽(yáng)性的比率。

召回率，也稱為真陽(yáng)性率，表示真陽(yáng)性與觀察到的和預(yù)測(cè)的所有陽(yáng)性的比率。

使用混淆矩陣中的不同觀察集來(lái)描述 Precision 和 Recall，您可以開始了解這些指標(biāo)如何提供模型性能的視圖。

值得注意的是 Precision 和 Recall 只關(guān)注正例和預(yù)測(cè)，而不考慮任何負(fù)例。此外，他們不會(huì)將模型的性能與中值場(chǎng)景進(jìn)行比較，中值場(chǎng)景只是隨機(jī)猜測(cè)。

1. ROC 曲線

ROC 作為匯總工具，用于可視化 Precision 和 Recall 之間的權(quán)衡。ROC 分析使用 ROC 曲線來(lái)確定二進(jìn)制信號(hào)的值有多少被噪聲污染，即隨機(jī)性。它為連續(xù)預(yù)測(cè)器提供了一系列操作點(diǎn)的靈敏度和特異性摘要。ROC 曲線是通過(guò)繪制 x 軸上的假陽(yáng)性率與 y 軸上的真陽(yáng)性率來(lái)獲得的。

由于真陽(yáng)性率是檢測(cè)信號(hào)的概率，而假陽(yáng)性率是誤報(bào)的概率，因此 ROC 分析也廣泛用于醫(yī)學(xué)研究，以確定可靠地檢測(cè)疾病或其他行為的閾值。

一個(gè)完美的模型將具有等于 1 的誤報(bào)率和真陽(yáng)性率，因此它將是 ROC 圖左上角的單個(gè)操作點(diǎn)。而最差的可能模型將在 ROC 圖的左下角有一個(gè)單一的操作點(diǎn)，其中誤報(bào)率等于 1，真陽(yáng)性率等于 0。

隨機(jī)猜測(cè)模型有 50% 的機(jī)會(huì)正確預(yù)測(cè)結(jié)果，因此假陽(yáng)性率將始終等于真陽(yáng)性率。這就是為什么圖中有一條對(duì)角線，代表檢測(cè)信號(hào)與噪聲的概率為 50/50。

2. AUC 面積

要全面分析 ROC 曲線并將模型的性能與其他幾個(gè)模型進(jìn)行比較，您實(shí)際上需要計(jì)算曲線下面積 (AUC)，在文獻(xiàn)中也稱為 c 統(tǒng)計(jì)量。曲線下面積 (AUC) 的值介于 0 和 1 之間，因?yàn)榍€繪制在 1x1 網(wǎng)格上，并且與信號(hào)理論平行，它是信號(hào)可檢測(cè)性的度量。

這是一個(gè)非常有用的統(tǒng)計(jì)數(shù)據(jù)，因?yàn)樗梢宰屛覀兞私饽Ｐ蛯?duì)真實(shí)觀察結(jié)果和錯(cuò)誤觀察結(jié)果的排名有多好。它實(shí)際上是 Wilcoxon-Mann-Whitney 秩和檢驗(yàn)的歸一化版本，它檢驗(yàn)零假設(shè)，其中兩個(gè)有序測(cè)量樣本是從單個(gè)分布中抽取的。

要繪制 ROC 曲線并計(jì)算曲線下面積 (AUC)，您決定使用 SckitLearn 的 RocCurveDisplay 方法并將多層感知器與隨機(jī)森林模型進(jìn)行比較，以嘗試解決相同的分類任務(wù)。

import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import roc_auc_score, RocCurveDisplay
def plot_roc(model, test_features, test_targets):
    """
    Plotting the ROC curve for a given Model and the ROC curve for a Random Forests Models
    """
    # comparing the given model with a Random Forests model
    random_forests_model = RandomForestClassifier(random_state=42)
    random_forests_model.fit(train_features, train_targets)
    rfc_disp = RocCurveDisplay.from_estimator(random_forests_model, test_features, test_targets)
    model_disp = RocCurveDisplay.from_estimator(model, test_features, test_targets, ax=rfc_disp.ax_)
    model_disp.figure_.suptitle("ROC curve: Multilayer Perceptron vs Random Forests")
    plt.show()
# using perceptron model as input
plot_roc(ml_percetron_model, test_features, test_targets)