从 scikit-learn（sklearn）中的多类数据计算 AUC 和 ROC 曲线？答案

【问题标题】：Computing AUC and ROC curve from multi-class data in scikit-learn (sklearn)?从 scikit-learn（sklearn）中的多类数据计算 AUC 和 ROC 曲线？
【发布时间】：2016-02-06 11:43:49
【问题描述】：

我正在尝试使用scikit-learn 模块来计算 AUC 并为三个不同分类器的输出绘制 ROC 曲线以比较它们的性能。我对这个主题很陌生，我很难理解我应该如何将我拥有的数据输入到 roc_curve 和 auc 函数中。

对于测试集中的每个项目，我都有三个分类器中每个分类器的真实值和输出。课程是['N', 'L', 'W', 'T']。此外，我对分类器输出的每个值都有一个置信度分数。如何将此信息传递给 roc_curve 函数？

我需要label_binarize 我的输入数据吗？如何将分类器输出的[class, confidence] 对列表转换为roc_curve 预期的y_score？

感谢您的帮助！有关 ROC 曲线的良好资源也会有所帮助。

【问题讨论】：

ROC curve 本质上是为二进制分类而设计的。 x 和 y 轴分别是false 和true 正率，它们是二元分类指标。您也许可以将 ROC 曲线扩展到多类设置，但我认为没有一个很好的标准方法可以做到这一点，而且在理解二进制设置中的 ROC 之前绝对不应该这样做。
@ChesterVonWinchester 好的，如果我将结果重新概念化为二进制，我将如何处理这项任务？例如将“L”、“W”、“T”归为一个新的“I”类。在二分类的情况下，如何获取 [class, confidence score] 对并将它们转换为适当的 y_score 数组？编辑：假设较高的置信度分数始终表示“I”类； 0 置信度结果将始终为“N”（无）。
为什么要把圆钉塞进方孔？

标签： python machine-learning scikit-learn roc auc

【解决方案1】：

您需要使用label_binarize 函数，然后才能绘制多类ROC。

使用虹膜数据的示例：

import matplotlib.pyplot as plt
from sklearn import svm, datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import label_binarize
from sklearn.metrics import roc_curve, auc
from sklearn.multiclass import OneVsRestClassifier
from itertools import cycle
plt.style.use('ggplot')

iris = datasets.load_iris()
X = iris.data
y = iris.target

# Binarize the output
y = label_binarize(y, classes=[0, 1, 2])
n_classes = y.shape[1]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.5, random_state=0)

classifier = OneVsRestClassifier(svm.SVC(kernel='linear', probability=True,
                                 random_state=0))
y_score = classifier.fit(X_train, y_train).decision_function(X_test)

fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(n_classes):
    fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_score[:, i])
    roc_auc[i] = auc(fpr[i], tpr[i])
colors = cycle(['blue', 'red', 'green'])
for i, color in zip(range(n_classes), colors):
    plt.plot(fpr[i], tpr[i], color=color, lw=1.5,
             label='ROC curve of class {0} (area = {1:0.2f})'
             ''.format(i, roc_auc[i]))
plt.plot([0, 1], [0, 1], 'k--', lw=1.5)
plt.xlim([-0.05, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic for multi-class data')
plt.legend(loc="lower right")
plt.show()

【讨论】：