虚拟机ruc_sched Self-detected stall on cpu{4}(t=60001)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
作为AI语言模型,我无法直接绘制图表。但是我可以提供一些Python代码,希望能够帮到您。 首先,我们需要导入一些库: ```python from sklearn.datasets import load_wine from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.metrics import roc_curve, auc import matplotlib.pyplot as plt ``` 然后,我们加载数据集并将其划分为训练集和测试集: ```python # 加载数据集 data = load_wine() # 划分数据集为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.3, random_state=42) ``` 接下来,我们使用逻辑回归模型进行训练和预测,并绘制RUC曲线: ```python # 训练逻辑回归模型 model = LogisticRegression() model.fit(X_train, y_train) # 预测测试集数据 y_pred = model.predict_proba(X_test)[:,1] # 计算假正率和真正率,并绘制RUC曲线 fpr, tpr, thresholds = roc_curve(y_test, y_pred) roc_auc = auc(fpr, tpr) plt.figure() plt.plot(fpr, tpr, color='darkorange', lw=2, label='RUC curve (area = %0.2f)' % roc_auc) plt.plot([0, 1], [0, 1], color='navy', lw=2, 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') plt.legend(loc="lower right") plt.show() ``` 这样就可以得到一个RUC曲线图表了。您可以根据您的需求进行修改和调整。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值