在Kaggle比赛中遇到ROC曲线绘制问题，原本的ROC曲线只有一个点。原因是分类器未输出概率值，而是直接使用预测值。通过调整代码，使用`predict_proba`获取概率并作为`roc_curve()`参数，成功绘制出正确的ROC曲线。关键在于使用模型预测的概率而非预测结果本身。
之前在做kaggle比赛时，有个比赛使用AUC来评比的，当时试着画了ROC曲线，结果出来的下图这样的图形。跟平时的ROC曲线差好远，就只有一个点。而别人家的都是很多转折的，为啥我的不一样。
我的图如下：
正常的图(sklearn上面截取的)：
思考过后，发现原来：
ROC曲线，一般适用于你的分类器输出一个“概率值”，即这个样本属于某个类的概率是多少。 如此的话，你就需要设定一个阈值， 大于这个阈值属于正类，小于这个阈值属于负类。
从而，对于这个阈值P0， 就会得到对应的TPR, FPR, 也就是ROC曲线上的一个点，你设置不同的阈值，就会得到不同的TPR, FPR， 从而构成ROC曲线。
通常来说 阈值降低，即进入正类的门槛变低， TPR会变大，但是FPR也会变大， 看他们谁变的快。
之前画线的时候直接用了分类的预测值，而没有用上概率这玩意，被划分为正类的概率。。修改下程序，求多一个概率就能画出正确的图形啦。
如果你用GDBT算法的时候：
gbc = GradientBoostingClassifier()
gbc.fit(x_train, y_train)
resu = gbc.predict(x_test) #进行预测
y_pred_gbc = gbc.predict_proba(x_test)[:,1]
最低0.47元/天 解锁文章
扫一扫
640
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
