python中二进制分类的ROC曲线答案

【问题标题】：ROC curve for binary classification in pythonpython中二进制分类的ROC曲线
【发布时间】：2017-08-19 23:24:50
【问题描述】：

我正在使用RandomForestClassifier 为二进制分类绘制 ROC 曲线

我有两个 numpy 数组，一个包含预测值，一个包含真实值，如下所示：

In [84]: test
Out[84]: array([0, 1, 0, ..., 0, 1, 0])

In [85]: pred
Out[85]: array([0, 1, 0, ..., 1, 0, 0])

如何在 ipython 中移植 ROC 曲线并获得此二元分类结果的 AUC（曲线下面积）？

【问题讨论】：

标签： numpy machine-learning scikit-learn ipython

【解决方案1】：

你需要概率来创建 ROC 曲线。

In [84]: test
Out[84]: array([0, 1, 0, ..., 0, 1, 0])

In [85]: pred
Out[85]: array([0.1, 1, 0.3, ..., 0.6, 0.85, 0.2])

来自 scikit-learn 示例的示例代码：

import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, auc
fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(2):
    fpr[i], tpr[i], _ = roc_curve(test, pred)
    roc_auc[i] = auc(fpr[i], tpr[i])

print roc_auc_score(test, pred)
plt.figure()
plt.plot(fpr[1], tpr[1])
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic')
plt.show()

【讨论】：

检查test或pred的shape[0]的长度是否不等于0。如果是使用anyarray.reshape(-1)。您可以使用model.predict_proba(testdata)[:, 1] 获得概率
我在plt.plot(fpr[2], tpr[2]) 遇到了一个密钥错误，我将其更改为1 ...其他一切正常！！！
fpr[2] 在示例中是因为有 3 个类。对于二元分类，只需计算fpr, tpr, _ = roc_curve(y_test, y_score) 并绘制x=fpr, y=tpr。