ROC曲线与混淆矩阵的绘制

20200813 -

引言

1. ROC曲线的绘制过程
2. 混淆矩阵的绘制

问题

1. ROC曲线的绘制

ROC曲线的绘制绘制需要分类器能够返回相应的分类概率值。

from sklearn.metrics import roc_curve
ns_fpr, ns_tpr, _ = roc_curve(testy, ns_probs)

完整代码来自[1]。[4]中说明了如何修改风格来使ROC曲线更好看。
对于多分类情况下的roc曲线，有两种方法可以处理，分别对应函数的两种参数，具体实现可以看看[2]。

2. 混淆矩阵的绘制

我记得我之前的时候，记录过一个混淆矩阵的绘制方法，当时是使用seabonr.heatmap来绘制的。
[3]中给出了两部分代码，一部分是使用seabrn.headmap来绘制，另一部分是采用plt自己绘制，同时可以支持正则化，也就是将归类的数目除以自己的总数目，这种情况对于数量较多的情况更适合。

参考文章

[1]How to Use ROC Curves and Precision-Recall Curves for Classification in Python
[2]ROC原理介绍及利用python实现二分类和多分类的ROC曲线
[3]混淆矩阵的绘制(Plot a confusion matrix)
[4]python画ROC曲线如何画的好看