实现功能:
python实现绘制多个模型的ROC曲线
输入模型的预测概率值以及测试样本的真实标签,绘制出模型的ROC曲线并计算出AUC值,同时实现将多个模型的ROC曲线绘制在一张图中进行比较。
实现代码:
import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from sklearn.metrics import roc_curve, auc def Draw_ROC(file1,file2): data1=pd.read_excel(file1) data1=pd.DataFrame(data1) data2=pd.read_excel(file2) data2=pd.DataFrame(data2) fpr_CSNN,tpr_CSNN,thresholds=roc_curve(list(data1['真实标签']), list(data1['positive概率'])) roc_auc_CSSSNN=auc(fpr_CSNN,tpr_CSNN) fpr_NN,tpr_NN,thresholds=roc_curve(list(data2['真实标签']), list(data2['positive概率'])) roc_auc_DL=auc(fpr_NN,tpr_NN) font = {'family': 'Times New Roman', 'size': 12, } sns.set(font_scale=1.2) plt.rc('font',family='Times New Roman') plt.plot(fpr_NN,tpr_NN,'purple',label='NN_AUC = %0.2f'% roc_auc_DL) plt.plot(fpr_CSNN,tpr_CSNN,'blue',label='CSNN_AUC = %0.2f'% roc_auc_CSSSNN) plt.legend(loc='lower right',fontsize = 12) plt.plot([0,1],[0,1],'r--') plt.ylabel('True Positive Rate',fontsize = 14) plt.xlabel('Flase Positive Rate',fontsize = 14) plt.show() if __name__=="__main__": Draw_ROC('F:\医学大数据课题\RA预测\RA预测\CSSSDL_0.92-0.86-0.90.xlsx', 'F:\医学大数据课题\RA预测\RA预测\DL_0.83-0.83-0.83.xlsx')
实现效果:
输入两个模型的预测概率值(阳性概率)以及测试样本的真实标签,绘制出如下ROC曲线并计算出曲线的AUC
喜欢记得点赞,在看,收藏,加关注(V订阅号:数据杂坛),将持续更新!