数据挖掘 python roc曲线_利用scikitlearn画ROC曲线

一个完整的数据挖掘模型，最后都要进行模型评估，对于二分类来说，AUC，ROC这两个指标用到最多，所以 利用sklearn里面相应的函数进行模块搭建。

具体实现的代码可以参照下面博友的代码，评估svm的分类指标。注意里面的一些细节需要注意，一个是调用roc_curve 方法时，指明目标标签，否则会报错。具体是这个参数的设置pos_label ，以前在unionbigdata实习时学到的。

重点是以下的代码需要根据实际改写：

mean_tpr = 0.0

mean_fpr = np.linspace(0, 1, 100)

all_tpr = []

y_target = np.r_[train_y,test_y]

cv = StratifiedKFold(y_target, n_folds=6)

#画ROC曲线和计算AUC

fpr, tpr, thresholds = roc_curve(test_y, predict,pos_label = 2)##指定正例标签，pos_label = ###########在数之联的时候学到的，要制定正例

mean_tpr += interp(mean_fpr, fpr, tpr) #对mean_tpr在mean_fpr处进行插值，通过scipy包调用interp()函数

mean_tpr[0] = 0.0 #初始处为0

roc_auc = auc(fpr, tpr)

#画图，只需要plt.plot(fpr,tpr),变量roc_auc只是记录auc的值，通过auc()函数能计算出来

plt.plot(fpr, tpr, lw=1, label='ROC %s (area = %0.3f)' % (classifier, roc_auc))

然后是博友的参考代码：

# -*- coding: utf-8 -*-

"""

Created on Sun Apr 19 08:57:13 2015

@author: shifeng

"""

print(__doc__)

importnumpy as np

fromscipyimportinterp

importmatplotlib.pyplot as plt

fromsklearnimportsvm, datasets

fromsklearn.metricsimportroc_curve, auc

fromsklearn.cross_validationimportStratifiedKFold

###############################################################################

# Data IO and generation,导入iris数据，做数据准备

# import some data to play with

iris = datasets.load_iris()

X = iris.data

y = iris.target

X, y = X[y != 2], y[y !=2]#去掉了label为2，label只能二分，才可以。

n_samples, n_features = X.shape

# Add noisy features

random_state = np.random.RandomState(0)

X = np.c_[X, random_state.randn(n_samples, 200* n_features)]

###############################################################################

# Classification and ROC analysis

#分类，做ROC分析

# Run classifier with cross-validation and plot ROC curves

#使用6折交叉验证，并且画ROC曲线

cv = StratifiedKFold(y, n_folds=6)

classifier = svm.SVC(kernel='linear', probability=True,

random_state=random_state)#注意这里，probability=True,需要，不然预测的时候会出现异常。另外rbf核效果更好些。

mean_tpr = 0.0

mean_fpr = np.linspace(0,1,100)

all_tpr = []

fori, (train, test)inenumerate(cv):

#通过训练数据，使用svm线性核建立模型，并对测试集进行测试，求出预测得分

probas_ = classifier.fit(X[train], y[train]).predict_proba(X[test])

#    print set(y[train])                     #set([0,1]) 即label有两个类别

#    print len(X[train]),len(X[test])        #训练集有84个，测试集有16个

#    print "++",probas_                      #predict_proba()函数输出的是测试集在lael各类别上的置信度，

#    #在哪个类别上的置信度高，则分为哪类

# Compute ROC curve and area the curve

#通过roc_curve()函数，求出fpr和tpr，以及阈值

fpr, tpr, thresholds = roc_curve(y[test], probas_[:, 1])

mean_tpr += interp(mean_fpr, fpr, tpr)          #对mean_tpr在mean_fpr处进行插值，通过scipy包调用interp()函数

mean_tpr[0] =0.0#初始处为0

roc_auc = auc(fpr, tpr)

#画图，只需要plt.plot(fpr,tpr),变量roc_auc只是记录auc的值，通过auc()函数能计算出来

plt.plot(fpr, tpr, lw=1, label='ROC fold %d (area = %0.2f)'% (i, roc_auc))

#画对角线

plt.plot([0,1], [0,1],'--', color=(0.6,0.6,0.6), label='Luck')

mean_tpr /= len(cv)                     #在mean_fpr100个点，每个点处插值插值多次取平均

mean_tpr[-1] =1.0#坐标最后一个点为(1,1)

mean_auc = auc(mean_fpr, mean_tpr)      #计算平均AUC值

#画平均ROC曲线

#print mean_fpr,len(mean_fpr)

#print mean_tpr

plt.plot(mean_fpr, mean_tpr, 'k--',

label='Mean ROC (area = %0.2f)'% mean_auc, lw=2)

plt.xlim([-0.05,1.05])

plt.ylim([-0.05,1.05])

plt.xlabel('False Positive Rate')

plt.ylabel('True Positive Rate')

plt.title('Receiver operating characteristic example')

plt.legend(loc="lower right")

plt.show()