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

Question

我正在尝试使用scikit-learn模块来计算AUC并绘制三个不同分类器输出的ROC曲线，以比较它们的性能。我对这个主题很陌生，我很难理解我的数据应该如何输入roc_curve和auc函数。

对于测试集中的每个项目，我都拥有三个分类器中每个分类器的真实值和输出。这些课程是['N', 'L', 'W', 'T']。另外，我对分类器的每个值输出都有置信度分数。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y_score预期的roc_curve？

感谢您的帮助！关于ROC曲线的良好资源也会有所帮助。

Answer 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

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=lw,
             label='ROC curve of class {0} (area = {1:0.2f})'
             ''.format(i, roc_auc[i]))
plt.plot([0, 1], [0, 1], 'k--', lw=lw)
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()