python计算ROC曲线和ACU面积
ROC曲线是根据一系列不同的二分类方式(分界值或决定阈),以真正率(也就是灵敏度)(True Positive Rate,TPR)为纵坐标,假正率(1-特效性)(False Positive Rate,FPR)为横坐标绘制的曲线。通过将连续变量设定出多个不同的临界值,从而计算出一系列敏感性和特异性,从而可以绘制ROC曲线。
纵坐标:真正率(True Positive Rate , TPR)或灵敏度(sensitivity)
TPR = TP /(TP + FN) (正样本预测结果数 / 正样本实际数)
横坐标:假正率(False Positive Rate , FPR)
FPR = FP /(FP + TN) (被预测为正的负样本结果数 /负样本实际数)
利用sklearn.metrics.roc_curve可以计算ROC曲线,auc计算ROC曲线面积
fpr是假正率,tpr是真正率,thresholds是阈值
举个例子
决策树建立的模型跟神经网络建立的模型相比较,神经网路的AUC值相对来说更精准,所以采用神经网络的模型效果更好