roc_ovo_ovr.py代码见:https://github.com/Carrie-Yi/machine_learning/tree/main/roc_curve
about roc
- 针对 二分类ovo (one vs one 一对一)与 多分类ovr (one vs rest,一对多,样本可能是多个类中的一个类)的roc_curve绘制问题,
roc原本常用于二分类问题class=[0,1];但对于多分类的roc, 也可以采取平均roc曲线和平均auc来度量模型性能。 - 对于sample_weight, 通常我们设置为weight=1, 样本均衡, 权重相同。也可以做更改。
- 对于threshold_index,np.logical_or(true,diff(tps,2),diff(fps,2),true)二阶差分进行优化,得到了优化后的threshold_index(阈值数组长度45→11)
optimal_idxs = np.where(n