使用python和Scikit Learn为K-NN机器学习算法实现ROC曲线

Question

我目前正在尝试为我的kNN分类算法实现ROC曲线。我知道ROC曲线是正确率与错误率的曲线图，我只是在努力从数据集中查找那些值。我将“ autoimmune.csv”导入到我的python脚本中，并在其上运行kNN算法以输出准确性值。 Scikit-learn.org文档显示，要生成TPR和FPR，我需要传递y_test和y_scores值，如下所示：

fpr, tpr, threshold = roc_curve(y_test, y_scores)

我只是在努力使用这些值。 感谢您的事先帮助和歉意，如果我错过了某些事情，这是我的第一篇文章。

from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.model_selection import cross_val_score
from sklearn.metrics import roc_curve
from sklearn.metrics import auc
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

data = pd.read_csv('./autoimmune.csv')
X = data.drop(columns=['autoimmune'])
y = data['autoimmune'].values

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

knn = KNeighborsClassifier(n_neighbors = 10)
knn.fit(X_train,y_train)
knn.predict(X_test)[0:10]
knn.score(X_test,y_test)

print("Test set score: {:.4f}".format(knn.score(X_test, y_test)))

knn_cv = KNeighborsClassifier(n_neighbors=10)
cv_scores = cross_val_score(knn_cv, X, y, cv=10)
print(cv_scores)
print('cv_scores mean:{}' .format(np.mean(cv_scores)))


y_scores = cross_val_score(knn_cv, X, y, cv=76)
fpr, tpr, threshold = roc_curve(y_test, y_scores)
roc_auc = auc(fpr, tpr)
print(roc_auc)

plt.title('Receiver Operating Characteristic')
plt.plot(fpr, tpr, 'b', label = 'AUC = %0.2f' % roc_auc)
plt.legend(loc = 'lower right')
plt.plot([0, 1], [0, 1],'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('True Positive Rate')
plt.xlabel('False Positive Rate')
plt.title('ROC Curve of kNN')
plt.show()

Answer 1

如果您查看documentation for roc_curve()，将看到关于y_score参数的以下内容：

  

y_score：数组，形状= [n_samples]个目标分数，可以是   阳性类别的概率估计，置信度值或   决策的非阈值度量（由   在某些分类器上为“ decision_function”。

您可以使用sklearn中的predict_proba() method of the KNeighborsClassifier获得概率估计。这将返回一个numpy数组，其中有两列用于二进制分类，每列分别用于负和正类。对于roc_curve()函数，您想使用肯定类的概率估计，因此您可以替换：

y_scores = cross_val_score(knn_cv, X, y, cv=76)
fpr, tpr, threshold = roc_curve(y_test, y_scores)

具有：

y_scores = knn.predict_proba(X_test)
fpr, tpr, threshold = roc_curve(y_test, y_scores[:, 1])

请注意，您需要如何使用[:, 1]来计算第二列的所有行，以便仅选择正类的概率估计。这是使用威斯康星州乳腺癌数据集的最小可重复示例，因为我没有您的autoimmune.csv：

from sklearn.datasets import load_breast_cancer
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import roc_curve
from sklearn.metrics import auc
import matplotlib.pyplot as plt

X, y = load_breast_cancer(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

knn = KNeighborsClassifier(n_neighbors = 10)
knn.fit(X_train,y_train)

y_scores = knn.predict_proba(X_test)
fpr, tpr, threshold = roc_curve(y_test, y_scores[:, 1])
roc_auc = auc(fpr, tpr)

plt.title('Receiver Operating Characteristic')
plt.plot(fpr, tpr, 'b', label = 'AUC = %0.2f' % roc_auc)
plt.legend(loc = 'lower right')
plt.plot([0, 1], [0, 1],'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('True Positive Rate')
plt.xlabel('False Positive Rate')
plt.title('ROC Curve of kNN')
plt.show()

这将产生以下ROC曲线：