roc曲线是机器学习中十分重要的一种学习器评估准则,在sklearn中有完整的实现,api函数为sklearn.metrics.roc_curve(params)函数。
不过这个接口只限于进行二分类任务。!
下面主要是对官方接口做一下翻译。
接口函数 sklearn.metrics.roc_curve(y_true, y_score, pos_label=None, sample_weight=None, drop_intermediate=True)
参数说明
y_true:数组,存储数据的标签,维度就是样本数,形如[0,1,1,0,1...]这样的,也可以是-1和1,只要有两个值
y_score:数组,存储数据的预测概率值,维度也是样本数,形如[0.38,0.5,0.8]这样的
pos_label:整型或字符串,当y_true中只有一个值时,比如都是1或者都是0,无法判断哪个是正样本,需要用一个数字或字符串指出
sample_weight:采样权重,这个官方没有仔细说,是一个可选参数,有待考察
drop_intermediate:丢掉一些阈值,以便画roc曲线图
返回值:一共三个,分别是fpr,tpr,thresholds
fpr:数组,随阈值上涨的假阳性率
tpr:数组,随阈值上涨的真正例率
thresholds:数组,对预测值排序后的score列表,作为阈值,排序从