from sklearn.metrics import roc_curve, auc画ROC曲线

最新推荐文章于 2024-07-03 11:24:00 发布
最新推荐文章于 2024-07-03 11:24:00 发布
阅读量2.9k 收藏 2
点赞数 1
分类专栏： DL 文章标签： python 深度学习 1024程序员节
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mokeyser/article/details/120936030
版权
本文探讨了ROC曲线的基本原理，它用于评估分类模型的性能，特别是正负样本的区分能力。在二分类任务中，可以使用sklearn库的roc_curve函数绘制ROC曲线，并计算AUC值。对于多分类任务，将得到多条曲线并可能计算平均AUC。作者强调实践中遇到的问题、参考官方文档和多角度学习的重要性。此外，还提到了在深度学习中如何从模型输出构建ROC曲线，特别是通过概率排序和设定阈值的方法。
摘要由CSDN通过智能技术生成

一、明白ROC的原理

ROC曲线针对的是 正负样本，画出预测曲线。

网上给出的概念解读有很多，我查看的这篇 ROC and AUC, Clearly Explained! - YouTube

我说说自己对ROC的理解，ROC曲线是用来判断 预测效果 的。深度学习对猫狗分类做ROC曲线时，使用from sklearn.metrics import roc_curve, auc是可以画出两条ROC曲线的。一条是猫，另一条是狗的ROC，最后取做平均。

二、from sklearn.metrics import roc_curve, auc

roc_curve(y_true,y_score,*,pos_label=None,sample_weight=None,drop_intermediate=True):

参数详解：参考Python下使用sklearn绘制ROC曲线（超详细）_hesongzefairy的博客-CSDN博客。需要注意的时，在标签是二进制时，pos_label默认是1。

在n分类任务时，画出的ROC曲线是n条。我们需要对n条曲线做平均。

三、关于roc曲线的其他画法

在深度学习二分类中，test的output返回的是二维张量。通过torch.argmax(outputs)得出最大概率的下标以及概率值。我们对这个概率值进行排序，设定阈值来画出ROC曲线。

 四、感受

1、问题需要坚持、实践

2、参考 官方文档，博客大多具有一定的适应范围

3、请教别人，多方面请教

少司、
关注
专栏目录
main_roc_python_AUC_PR曲线_ROC曲线_
09-29
from sklearn.metrics import roc_curve, auc, precision_recall_curve import matplotlib.pyplot as plt # 假设y_true是真实标签，y_score是模型预测的得分 y_true = [0, 1, 1, 0, 1] y_scores = [0.1, 0.4, 0.35,...
ROC曲线绘制（详细）以及模型选择
忘川的博客
11-24 8万+
在我们在讲解ROC曲线之前 首先要明确混淆矩阵的概念 如下图： 真正率 TPR：预测为正例且实际为正例的样本占所有正例样本（真实结果为正样本）的比例。 假正率 FPR：预测为正例但实际为负例的样本占所有负例样本（真实结果为负样本）的比例。 公式： 下面进入正题： 一 :ROC曲线简介 来自百度百科解释（讲了半天我也没看懂） 　　接受者操作特性曲线（receiver operating characteristic curve，简称ROC曲线），又称为感受性曲线（sensitivity curve）。得
【ROC】调用sklearn库中的roc_curve方法
mjiansun的专栏
06-08 2717
转自：https://scikit-learn.org/stable/auto_examples/model_selection/plot_roc.html#sphx-glr-auto-examples-model-selection-plot-roc-py print(__doc__) import numpy as np import matplotlib.pyplot as plt from itertools import cycle from sklearn import svm, da.
【Python机器学习】模型评估与改进——二分类指标
最新发布
weixin_39407597的博客
07-03 851
二分类可能是实践中最常见的机器学习应用，也是概念最简单的应用。但是即使是评估这个简单的任务也仍有一些注意事项。对于二分类问题，我们通常会说正类和反类，而正类使我们要寻找的类。
分类模型的评价指标--混淆矩阵，ROC曲线，AUC及sklearn.metrics.roc_curve参数说明
MR_Trustin的博客
06-09 5849
分类模型的评价指标--混淆矩阵，ROC，AUC
使用sklearn绘制ROC曲线
LRJ的博客
06-04 3933
roc曲线的绘制
Python sklearn机器学习各种评价指标——Sklearn.metrics简介及应用示例
热门推荐
Yqq19950707的博客
05-13 10万+
Python Sklearn.metrics 简介及应用示例 利用Python进行各种机器学习算法的实现时，经常会用到sklearn（scikit-learn）这个模块/库。 无论利用机器学习算法进行回归、分类或者时聚类，评价指标，即检验机器学习模型效果的定量指标，都是一个不可避免且十分重要的问题，因此，结合scikit-learn主页上的介绍，对常用的评价指标及其实现、应用进行简单介绍。 ht...
sklearn中的ROC和AUC曲线(roc和auc曲线只是用于二分类问题。)
JEREMY的博客
03-21 790
绘制的图像是TPR(真阳率) 和FPR(假阳率）之间的关系。
ROC.rar_ROC曲线_roc
09-24
在Python中，我们可以使用sklearn库中的roc_curve函数来计算ROC曲线所需的TPR和FPR，然后使用matplotlib库进行绘制。 首先，我们需要理解ROC曲线的基本概念。真正率（TPR）是指真正例（True Positives, TP）占实际...
利用Python画ROC曲线和AUC值计算
09-21
在Python中，可以使用`sklearn.metrics.roc_curve`函数计算ROC曲线的坐标点，`sklearn.metrics.auc`函数计算AUC值。示例代码中，作者提供了一个自定义的AUC计算方法，首先读取数据，然后按预测分数排序，依次计算TPR...
混淆矩阵、准确率、精确率、召回率、F值、ROC曲线、AUC、PR曲线-Sklearn.metrics评估方法 - 简书.mhtml
11-01
混淆矩阵、准确率、精确率、召回率、F值、ROC曲线、AUC、PR曲线-Sklearn.metrics评估方法 - 简书.mhtml
ROC.ipynb_PYHTON_莺尾花_
10-02
from sklearn.metrics import roc_curve, roc_auc_score import matplotlib.pyplot as plt # 加载数据 iris = load_iris() X = iris.data[:, :2] # 取前两个特征进行二分类 y = (iris.target == 0).astype(np.int) ...
sklearn.metrics.roc_curve()函数绘制ROC曲线
A person does not really understand something until after teaching it to a computer. Donald.E.Knuth
01-27 3601
import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import roc_curve y = np.array([1,1,2,2]) pred = np.array([0.1, 0.4, 0.35, 0.8]) fpr, tpr, thresholds = roc_curve(y, pred,
Python下使用sklearn绘制ROC曲线（超详细）
hesongzefairy的博客
02-14 7万+
pass
sklearn 绘制roc曲线_roc曲线与sklearn [python]
weixin_39605296的博客
12-21 167
引用维基百科：The ROC is created by plotting the FPR (false positive rate) vs the TPR (true positive rate) at various thresholds settings.为了计算FPR和TPR,您必须将正二进制值和目标分数提供给函数sklearn.metrics.roc_curve.所以在你的情况下,我会做...
python3 使用ROC 曲线（sklearn.metrics实现）
c28732149的博客
04-23 4328
主要需要使用的是函数roc_curve（from sklearn.metrics import roc_curve,auc）。 这里先记录一下代码的注释： roc_curve(y_true, y_score, pos_label=None, sample_weight=None, drop_intermediate=True) Compute Receiver operating characte...
sklearn.metrics.auc
weixin_67609590的博客
05-11 540
具体地，roc_curve函数接受真实标签y_true和预测结果y_prob，并返回三个数组：FPR、TPR和阈值等信息。然后，可以将FPR和TPR传递给auc函数来计算AUC。需要注意的是，AUC的取值范围在0.5到1之间，通常情况下，AUC越接近1，则说明模型性能越好。需要注意的是，auc函数假设输入的FPR和TPR已按照FPR的升序排列。因此，在调用auc函数之前，需要确保FPR和TPR数组已根据FPR排序。该函数返回ROC曲线下的面积，即模型的AUC。
ROC曲线绘制(python+sklearn+多分类)
QAQIknow的博客
07-29 2万+
ROC曲线绘制要点（仅记录）
如何使用python绘制ROC曲线？
qq_38941890的博客
11-02 1万+
如何使用python绘制ROC曲线？
from sklearn.metrics import roc_auc_score什么意思
06-08
`from sklearn.metrics import roc_auc_score` 是一条导入Python第三方库sklearn中metrics模块下的roc_auc_score函数的语句。 在机器学习中，我们通常需要评估分类模型的性能。而ROC曲线和AUC（Area Under Curve）...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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