假面308-CSDN博客

原创 roc_auc_score函数

是用于计算二分类问题中 ROC 曲线下的面积（AUC）的函数。ROC（Receiver Operating Characteristic）曲线是一种以真阳性率（True Positive Rate, TPR）为纵坐标、假阳性率（False Positive Rate, FPR）为横坐标的曲线，用于评估二分类模型的分类效果。AUC 表示 ROC 曲线下的面积，其取值范围为 0 至 1，AUC 值越接近 1，说明模型的分类效果越好。

2023-05-19 14:19:24 3613

原创 pandas.read_csv()

是一个 pandas 库中的函数，用于从 CSV 文件中读取数据并创建 DataFrame 对象。它提供了许多参数和选项来控制读取过程，可以轻松地将 CSV 文件转换成数据集。

2023-05-16 19:25:23 243

原创 sklearn.metrics.auc

具体地，roc_curve函数接受真实标签y_true和预测结果y_prob，并返回三个数组：FPR、TPR和阈值等信息。然后，可以将FPR和TPR传递给auc函数来计算AUC。需要注意的是，AUC的取值范围在0.5到1之间，通常情况下，AUC越接近1，则说明模型性能越好。需要注意的是，auc函数假设输入的FPR和TPR已按照FPR的升序排列。因此，在调用auc函数之前，需要确保FPR和TPR数组已根据FPR排序。该函数返回ROC曲线下的面积，即模型的AUC。

2023-05-11 10:42:54 500

原创 sklearn中的train_test_split函数

可选参数，用于进行分层抽样。传入标签数组，保证划分后的训练集和测试集中各类别样本比例与原始数据集相同。: 单个数组或元组，表示需要划分的数据集。如果传入多个数组，则必须保证每个数组的第一维大小相同。函数是机器学习中一个非常重要的函数，它可以将数据集划分为训练集和测试集。: 测试集的大小（占总数据集的比例）。: 训练集的大小（占总数据集的比例）。: 是否随机打乱数据。互补，即训练集的大小为。表示训练集的特征数据，表示测试集的特征数据，表示训练集的标签数据，表示测试集的标签数据。，即普通的随机划分。

2023-05-09 14:44:46 959

原创 pywt.wavedec(data, wavelet, mode=‘symmetric‘, level=None, axis=-1)

用于将一维信号进行小波分解。它接受三个参数：输入信号、小波族名称以及分解层数。该函数返回的是一个包含每个分解层系数的元组，其中第一个元素为逼近系数（低频），后面的元素依次为高频细节系数。是一个列表，包含了每一层分解的系数。其中，第一个元素为逼近系数（低频信号），后面的元素则是一些细节系数（高频信号）。'zero', 'constant', 'symmetric', 等方式。沿着哪一个轴进行分解。如果没有给出，则使用最后一个轴。要使用的小波，小波基函数名称或是小波基函数对象；

2023-04-03 10:49:09 1259