超级会员免费看
文章介绍了如何利用predict和predict_proba函数计算AUC，并通过ROC曲线分析误诊和漏诊。在Xgboost的例子中，展示了如何处理测试集数据，找出误诊和漏诊的病例，并在Excel中进行后续分析。
填最后一个坑，如何寻找误判的病例。
之前我们在介绍AUC的时候，提到了两个函数：predict和predict_proba，复习一下：
auc_test = roc_auc_score(y_test, y_testprba) roc_auc_score的参数呢，包括两个：y_test是实际值，y_testprba是预测的概率（注意，是概率，而不是分类，要和y_pred做区别），来看看代码：
y_pred = classifier.predict(X_test)
y_testprba = classifier.predict_proba(X_test)[:,1] 
订阅专栏 解锁全文
773
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
