Question

我有一个增强树模型和测试数据集的概率和分类。我试图绘制相同的roc_curve。但是我无法弄清楚如何在scikit learn中为roc曲线定义阈值/ alpha。

from sklearn.metrics import precision_recall_curve,roc_curve,auc, average_precision_score

fpr = dict()
tpr = dict()
roc_auc = dict()

fpr,tpr,_ = roc_curve(ytest,p_test, pos_label=1)
roc_auc = auc(fpr,tpr)

plt.figure()
lw = 2
plt.plot(fpr, tpr, color='darkorange', lw=lw, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--')
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 example')
plt.legend(loc="lower right")

plt.savefig('ROCProb.png')
plt.show()

我在这里看了一个类似的问题：thresholds in roc_curve in scikit learn

但是想不出来。我也愿意使用其他一些库。

Answer 1

fpr和tpr中的每个值都是针对特定阈值计算的，这些阈值的值在第三个输出roc_curve（在您的情况下为变量_）中返回

这是一个例子

import numpy as np
from sklearn import metrics
y_true = np.array([1, 1, 2, 2])
y_scores = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y_true, y_scores, pos_label=2)

将数据制表到演示

   Threshold  FPR  TPR
0       0.80  0.0  0.5
1       0.40  0.5  0.5
2       0.35  0.5  1.0
3       0.10  1.0  1.0

上面的第一行显示，对于阈值.8 fpr为0且tpr为.5，依此类推

Scikit - 如何定义绘制roc曲线的阈值

1 个答案: