ROC曲线绘制（Python）_python将分训练组和验证组绘制roc曲线

from sklearn.datasets import make_blobs
from sklearn. model_selection import train_test_split
import matplotlib.pyplot as plt
%matplotlib inline

然后使用下面make\_blobs函数，生成一个二分类的数据不平衡数据集；


使用train\_test\_split函数划分训练集和测试集数据；


训练SVC模型。

X,y = make_blobs(n_samples=(4000,500), cluster_std=[7,2], random_state=0)

X_train,X_test,y_train, y_test = train_test_split(X,y,random_state=0)

clf = SVC(gamma=0.05).fit(X_train, y_train)

![](https://img-blog.csdnimg.cn/img_convert/64e560eb79692da614df3b42ff3f238a.jpg)

fpr,tpr, thresholds = roc_curve(y_test,clf.decision_function(X_test))

plt.plot(fpr,tpr,label=‘ROC’)

plt.xlabel(‘FPR’)
plt.ylabel(‘TPR’)

从上面的代码可以看到，我们使用roc\_curve函数生成三个变量，分别是fpr,tpr, thresholds，也就是假正例率（FPR）、真正例率（TPR）和阈值。


而其中的fpr,tpr正是我们