Question

我正在使用scikit-learn库来完成我的日常MVA业务。我使用的一个函数是roc_curve()方法来获取我的ROC曲线。该函数返回假阳性和真阳性率。在我的领域（HEP），我们更喜欢提高效率，即我想将真阳性的数量标准化为阳性总数。

为了得到我需要的东西，我想重新使用sklearn.metric.rankings中的_binary_clf_curve()函数，即

def roc_curve_eff(y_true, y_score, pos_label=None, sample_weight=None) :
    fps, tps, _ = _binary_clf_curve(
        y_true, y_score, pos_label=pos_label, sample_weight=sample_weight)

    teff = tps / (tps[-1] - tps)
    feff = fps / (fps[-1] - fps)

    return feff, teff, _

并将其加载到我调用的本地命名空间中来自sklearn.metrics.rankings import _binary_clf_curve。

这样做他给了我以下错误：

ImportError                               
Traceback (most recent call last)
<ipython-input-10-d1d6b7292e7f> in <module>()
 11 from root_numpy import root2array, rec2array
 12 from sklearn.metrics import roc_curve, auc
---> 13 from sklearn.metrics.rankings import _binary_clf_curve
 14 
 15 #import sklearn as sklearn_

/Users/pigard/ROOT/install/lib/ROOT.pyc in _importhook(name, *args, **kwds)
299       except Exception:
300          pass
--> 301    return _orig_ihook( name, *args, **kwds )
302 
303 __builtin__.__import__ = _importhook

ImportError: No module named rankings

我认为这里的问题是模块和文件之间的区别：_binary_clf_curve辅助函数没有添加到模块中（因为它不需要暴露给用户）所以我需要加载它而不是从模块，但是从文件？

Answer 1

也许解决方案就像修复类型一样简单？尝试

from sklearn.metrics.ranking import _binary_clf_curve

ranking而非rankings。这对我有用。

使用sklearn内部函数

1 个答案: