画AUC曲线

最新推荐文章于 2024-08-23 00:53:11 发布

Dawei_01

最新推荐文章于 2024-08-23 00:53:11 发布

阅读量4.5k

点赞数

分类专栏： python语法文章标签： svm auc

本文链接：https://blog.csdn.net/Dawei_01/article/details/80697650

版权

该博客介绍如何使用Python的sklearn库绘制支持向量机（SVM）的交叉验证AUC曲线。首先，从pandas数据中提取特征和目标变量，然后使用StratifiedKFold进行交叉验证，训练SVM模型。通过roc_curve计算每个折叠的FPR和TPR，再计算平均AUC。最后，绘制ROC曲线并显示平均ROC曲线。

摘要由CSDN通过智能技术生成

以pandas数据格式输入，画svm的交叉验证auc曲线

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split,GridSearchCV,StratifiedKFold
from sklearn.metrics import classification_report
from sklearn import svm, datasets
from sklearn.metrics import roc_curve, auc
from scipy import interp
def draw_auc():

    X = np.array(pd_data.head(5000).drop(columns=["KILLED"]))
    y = np.array(pd_data.head(5000)["KILLED"])
    random_state = np.random.RandomState(0)

    cv = StratifiedKFold(n_splits=6).split(X,y)
    classifier = svm.SVC(kernel='linear', probability=True,
                         random_state=random_state)  # 注意这里，probability=True,需要，不然预测的时候会出现异常。另外rbf核效果更好些。

    mean_tpr = 0.0
    mean_fpr = np.linspace(0