解决：roc_curve()输出的tpr或fpr的结果为nan

最新推荐文章于 2022-11-15 22:36:13 发布
最新推荐文章于 2022-11-15 22:36:13 发布
阅读量2k 收藏
点赞数 3
分类专栏： 深度学习
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/qq_33967667/article/details/109669845
版权

我出现的情况是：十折交叉验证画ROC曲线时，tpr和fpr都为nan
原因：标签中没有正样本标签。我的数据集两种类别的样本分布不均衡，导致在某一折交叉验证中，测试的数据只含有一类样本，从而导致tpr和fpr都为nan。
解决方法：将数据集中正负样本均匀分布，不要过于集中就解决了。

qq_33967667
关注
专栏目录
python基于sklearn编程实现交叉验证的ROC曲线绘制、自定义AUC的有效小数位数（sklearn中RocCurveDisplay函数的默认有效位数为2位且不可以修改）
data+scenario+science+insight
10-10 602
python基于sklearn编程实现交叉验证的ROC曲线绘制、自定义AUC的有效小数位数（sklearn中RocCurveDisplay函数的默认有效位数为2位且不可以修改）
python 二分类问题 画roc曲线实战
08-05 955
python 二分类问题 画roc曲线实战
metrics.roc_curve()输出的tpr或fpr的结果为nan
张欣的博客
09-30 1万+
在用metrics.roc_curve()函数计算tpr的时候，出现tpr为nan的情况，主要是因为label里面没有正样本的标签。 下面是roc_curve()里面的一段源码，其中tps[-1]存放的是所有的正样本。同理，如果fpr出现nan的情况是因为label里面没有负样本。 if fps[-1] <= 0: warnings.warn("No negative...
python怎么输出roc曲线_如何用Python绘制ROC曲线
weixin_39671467的博客
11-29 372
假设您的model是sklearn预测因子，您可以尝试以下两种方法：import sklearn.metrics as metrics# calculate the fpr and tpr for all thresholds of the classificationprobs = model.predict_proba(X_test)preds = probs[:,1]fpr, tpr, th...
机器学习之ROC曲线
荒野雄兵的专栏
12-30 1万+
在机器学习中评价分类模型时经常会用到ROC曲线。 要学习ROC曲线首先得知道什么是TPR，什么是FPR。 TPR的英文全称为：True Positive Rate FPR的英文全称为：False Positive Rate 中文解释为： TPR（真正例率）：真实值是正例，且预测为正例的比例 FPR（假正例率）：真实值为负例，而预测为正例的比例 怎么感觉有些绕口令啊？ OK，看下图： 根据上图图示...
ROC曲线
koksir的博客
03-23 234
图中红线为ROC曲线，线上每个点对应一个阈值。横轴FPR越大，预测坏类中实际好类越多。纵轴TPR越大，预测好类中实际好类越多。理想目标：TPR=1,FPR=0,即图中的（0，1）点，故ROC曲线越靠拢（0，1）点，越偏离45度对角线越好，TPR越大越好。 Python模块： from sklearn.metrics import roc_curve TPR= TP / TP+FN : 灵敏度（真阳率，召回率） 识别的正例占所有实际比例的比例 FPR= FP / FP+TN : 特异度（假阳率）识别.
python出现nan怎么解决_如何解决python中稀疏矩阵的“NaN或无穷大”问题？
weixin_39980353的博客
12-11 1682
我对python很陌生。我用了一些在网上找到的代码，我试着去做。所以我正在创建一个文本文档矩阵，我想在训练逻辑回归模型之前添加一些额外的特性。虽然我用R检查了数据，没有得到错误，但是当我运行logistic回归时，我得到了错误“ValueError:Array contains NaN or infinity。”当我不添加自己的特性时，不会得到相同的错误。我的功能在文件“toPython.txt”...
roc图 r语言_R语言pROC包绘制ROC曲线
weixin_39568659的博客
12-19 2523
如果没有时间精力学习代码，推荐了解：零代码数据挖掘课程pROC package以下是本包中常用的一些缩写ROC: receiver operating characteristic,ROC曲线AUC: area under the ROC curve,曲线下面积pAUC: partial area under the ROC curve 部分曲线下面积CI: confidence interva...
svm.fit(X_train, y_train)报错ValueError: Input contains NaN，是不是svm不能进行三分类训练？
最新发布
06-01
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC 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....
python ks值计算_利用Python计算KS的实例详解
weixin_39668479的博客
12-10 1175
在金融领域中，我们的y值和预测得到的违约概率刚好是两个分布未知的两个分布。好的信用风控模型一般从准确性、稳定性和可解释性来评估模型。一般来说。好人样本的分布同坏人样本的分布应该是有很大不同的，KS正好是有效性指标中的区分能力指标：KS用于模型风险区分能力进行评估，KS指标衡量的是好坏样本累计分布之间的差值。好坏样本累计差异越大，KS指标越大，那么模型的风险区分能力越强。1、crosstab实现，计...
根据Adult数据集构建SVM分类器，并测试分类器的性能，输出性能指标并画出ROC曲线 python代码有注释
05-31
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC 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....
机器学习-基础知识 - Precision, Recall, Sensitivity, Specificity, Accuracy, FNR, FPR, TPR, TNR, F1 Score
zywvvd的博客
05-05 1万+
本文介绍机器学习中的二分类性能评估指标Precision, Recall, Sensitivity, Specificity, Accuracy, FNR, FPR, TNR, TPR, F1 Score, Balanced F Score基本含义，给出公式和具体算例，并作简要分析。 基础定义 评估指标 预测结果 正样...
关于sklearn.metrics.roc_curve的踩坑指南(代码+详细分析)
shary_cao的博客
04-08 1万+
问题描述 在使用sklearn.metrics.roc_curve过程中可能会遇见以下两种问题： 1.混淆矩阵与ROC曲线严重不符 如你的混淆矩阵长这样（图左），而你的ROC曲线长这样（图右） 2.报错No positive samples in y_true UndefinedMetricWarning: No positive samples in y_true, true positive value should be meaningless warnings.warn("...
什么是ROC曲线？为什么要使用ROC?以及 AUC的计算
热门推荐
种花家的奋斗兔的博客
11-25 6万+
一、ROC简介 ROC的全名叫做Receiver Operating Characteristic，中文名字叫“受试者工作特征曲线”，其主要分析工具是一个画在二维平面上的曲线——ROC 曲线。平面的横坐标是false positive rate(FPR)，纵坐标是true positive rate(TPR)。对某个分类器而言，我们可以根据其在测试样本上的表现得到一个TPR和FPR点对...
NaN是什么，怎么处理 --matlab
qq_46118539的博客
11-18 3万+
NaN (Not a Number) NaN （不是一个数），当你处理不同，多种多样的数据时，会经常碰到NaN ，NaN 是0/0 或者是导入了一个字符串作为数值。也可能是无穷或者是当你插入了一个超出给定范围的数。接下来我们看下NaN 有啥性质，以及如何处理 A_var = [-8 10 NaN 9 4 -4 -7; 9 NaN 9 4 -10 9 0; -8 10 NaN 5 -10 -1 NaN] A_var = -8 10 NaN 9 4 -4 -7 9 NaN 9 4 -10 9 0 -8 10
逻辑回归预测瘀血阻络证||LogRegression 二分类 python3|五折交叉验证
xl_xaio的博客
11-15 2046
得出相应的分类指标准确率accuracy，精确率precision，召回率recall，F1-score，并画出最终的ROC曲线，得出AUC值。
python出现nan怎么解决_如何解决pythonnan？
weixin_39559369的博客
02-20 8620
多数据不可避免的会遗失掉，或者采集的时候采集对象不愿意透露，这就造成了很多NaN(Not a Number)的出现。这些NaN会造成大部分模型运行出错，所以对NaN的处理很有必要。解决方法：1、简单粗暴地去掉1)有如下dataframe，先用df.isnull().sum()检查下哪一列有多少不可避免地会丢失很多数据，或者收集对象在收集数据时不愿意透露它，从而导致出现大量的NaN(非数字)。 这...
sklearn的roc_curve()函数分析
Titan0427的专栏
02-23 2万+
在用sklearn的roc_curve()函数的时候，发现返回的结果和想象中不太一样，理论上threshold应该取遍所有的y_score（即模型预测值）。但是roc_curve()的结果只输出了一部分的threhold。从源码找到了原因。 初始数据： y_true = [0, 0, 1, 0, 0, 1, 0, 1, 0, 0] y_score = [0.31689620142873609,...
TypeError: roc_curve() got an unexpected keyword argument 'average'
04-27
fpr, tpr, thresholds = roc_curve(y_true, y_scores) roc_auc = auc(fpr, tpr) plt.plot(fpr, tpr, label='ROC curve (area = %0.2f)' % roc_auc) plt.plot([0, 1], [0, 1], 'k--') plt.xlim([0.0, 1.0]) plt.ylim...
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