如何从sklearn的gridsearchcv中获取灵敏度和特异性（真阳性率和真阴性率）？

Question

我一直在使用Gridsearchcv和RBF SVM（二元分类器）来获得验证精度热图。我使用的代码非常直接来自SKlearn的网站。有没有办法从中找到灵敏度和特异性？与Gridsearchcv使用的参数值范围一样？

Answer 1

如果您的问题是二元或多类分类，那么confusion matrix可能就是您要找的。

from sklearn.metrics import confusion_matrix

y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
confusion_matrix(y_true, y_pred)

array([[2, 0, 0],
       [0, 0, 1],
       [1, 0, 2]])

解释如下：

对于属于0级的示例，estimator正确预测了100％（2/2） 对于属于类1的示例，估计器是100％错误的，因为它预测了类2的唯一示例 对于属于类2的示例，估计量为66％正确（2/3），因为它预测了2个示例到2级，1个到0级。

二进制分类：

y_true = [1, 0, 1, 0, 0, 1]
y_pred = [1, 0, 1, 1, 0, 1]

cm = confusion_matrix(y_true, y_pred)
print cm

tp = float(cm[0][0])/np.sum(cm[0])
tn = float(cm[1][1])/np.sum(cm[1])

print tp
print tn

[[2 1]
 [0 3]]
0.666666666667
1.0

关于 GridSearchCV 中使用的参数，您可以在grid_scores_属性中找到它们。