python机器学习 二分类 混淆矩阵_机器学习系列（三十一）——ROC曲线、多分类问题的混淆矩阵...

本篇主要内容：ROC曲线、多分类混淆矩阵

ROC曲线

ROC全称是Receiver Operation Characteristic Curve，它描述的是TPR和FPR之间的关系。

ROC曲线

TPR(True Positive Rate)的计算公式为：

它表示预测值为1，真实值也为1中预测正确的比例，TPR其实就是Recall。FPR(False Positive Rate)的计算公式为：

它表示预测值为1，真实值为0中预测错误的比例。和上篇文章中Precision和Recall负相关不同，TPR和FPR之间是正相关关系，TPR增加相应地FPR也会增加。

接下来使用我们自己的模块绘制ROC曲线，在这之前，首先在play_Ml模块的metrics.py中添加相关代码：

'''分类问题评价指标'''

import numpy as np

from math import sqrt

def TN(y_true, y_predict):

assert len(y_true)==len(y_predict)

return np.sum((y_true==0)&(y_predict==0))

def FP(y_true,y_predict):

assert len(y_true)==len(y_predict)

return np.sum((y_true==0)&(y_predict==1))

def FN(y_true,y_predict):

assert len(y_true)==len(