Hướng dẫn how do you plot a roc curve for multiple models in python? - làm thế nào để bạn vẽ một đường cong roc cho nhiều mô hình trong python?

15

Mới! Lưu câu hỏi hoặc câu trả lời và sắp xếp nội dung yêu thích của bạn. Tìm hiểu thêm.
Learn more.

Tôi đang xây dựng 2 mô hình.

Mô hình 1

modelgb = GradientBoostingClassifier()
modelgb.fit(x_train,y_train)
predsgb = modelgb.predict_proba(x_test)[:,1]
metrics.roc_auc_score(y_test,predsgb, average='macro', sample_weight=None)

Mô hình 2

model = LogisticRegression()
model = model.fit(x_train,y_train)
predslog = model.predict_proba(x_test)[:,1]
metrics.roc_auc_score(y_test,predslog, average='macro', sample_weight=None)

Làm thế nào để tôi vẽ cả hai đường cong ROC trong một ô, với một huyền thoại & văn bản về điểm AUC cho mỗi mô hình?

Đã hỏi ngày 20 tháng 3 năm 2017 lúc 2:22Mar 20, 2017 at 2:22

Learner_seekerLearner_seekerLearner_seeker

5241 Huy hiệu vàng4 Huy hiệu bạc 20 Huy hiệu đồng1 gold badge4 silver badges20 bronze badges

4

Hãy thử điều chỉnh điều này với dữ liệu của bạn:

from sklearn import metrics
import numpy as np
import matplotlib.pyplot as plt

plt.figure(0).clf()

pred = np.random.rand(1000)
label = np.random.randint(2, size=1000)
fpr, tpr, thresh = metrics.roc_curve(label, pred)
auc = metrics.roc_auc_score(label, pred)
plt.plot(fpr,tpr,label="data 1, auc="+str(auc))

pred = np.random.rand(1000)
label = np.random.randint(2, size=1000)
fpr, tpr, thresh = metrics.roc_curve(label, pred)
auc = metrics.roc_auc_score(label, pred)
plt.plot(fpr,tpr,label="data 2, auc="+str(auc))

plt.legend(loc=0)

Đã trả lời ngày 20 tháng 3 năm 2017 lúc 3:28Mar 20, 2017 at 3:28

1

Chỉ bằng cách thêm các mô hình vào danh sách sẽ vẽ nhiều đường cong ROC trong một ô. Hy vọng rằng điều này phù hợp với bạn!

from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import GradientBoostingClassifier
from sklearn import metrics
import matplotlib.pyplot as plt

plt.figure()

# Add the models to the list that you want to view on the ROC plot
models = [
{
    'label': 'Logistic Regression',
    'model': LogisticRegression(),
},
{
    'label': 'Gradient Boosting',
    'model': GradientBoostingClassifier(),
}
]

# Below for loop iterates through your models list
for m in models:
    model = m['model'] # select the model
    model.fit(x_train, y_train) # train the model
    y_pred=model.predict(x_test) # predict the test data
# Compute False postive rate, and True positive rate
    fpr, tpr, thresholds = metrics.roc_curve(y_test, model.predict_proba(x_test)[:,1])
# Calculate Area under the curve to display on the plot
    auc = metrics.roc_auc_score(y_test,model.predict(x_test))
# Now, plot the computed values
    plt.plot(fpr, tpr, label='%s ROC (area = %0.2f)' % (m['label'], auc))
# Custom settings for the plot 
plt.plot([0, 1], [0, 1],'r--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('1-Specificity(False Positive Rate)')
plt.ylabel('Sensitivity(True Positive Rate)')
plt.title('Receiver Operating Characteristic')
plt.legend(loc="lower right")
plt.show()   # Display

Đã trả lời ngày 13 tháng 9 năm 2018 lúc 21:06Sep 13, 2018 at 21:06

RudrrudrRudr

3874 Huy hiệu bạc20 Huy hiệu Đồng4 silver badges20 bronze badges

1

Một cái gì đó như thế này ...

#ROC Curve
from sklearn.metrics import roc_curve
y_pred_prob1 = classifier1.predict_proba(X_test)[:,1]
fpr1 , tpr1, thresholds1 = roc_curve(Y_test, y_pred_prob1)

y_pred_prob2 = classifier2.predict_proba(X_test)[:,1]
fpr2 , tpr2, thresholds2 = roc_curve(Y_test, y_pred_prob2)


y_pred_prob3 = classifier3.predict_proba(X_test)[:,1]
fpr3 , tpr3, thresholds3 = roc_curve(Y_test, y_pred_prob3)

y_pred_prob4 = classifier4.predict_proba(X_test)[:,1]
fpr4 , tpr4, thresholds4 = roc_curve(Y_test, y_pred_prob4)


plt.plot([0,1],[0,1], 'k--')
plt.plot(fpr1, tpr1, label= "Linear")
plt.plot(fpr2, tpr2, label= "Poly")
plt.plot(fpr3, tpr3, label= "RBF")
plt.plot(fpr4, tpr4, label= "Sigmoid")
plt.legend()
plt.xlabel("FPR")
plt.ylabel("TPR")
plt.title('Receiver Operating Characteristic')
plt.show()

Đã trả lời ngày 2 tháng 6 năm 2020 lúc 13:11Jun 2, 2020 at 13:11

Ali Aliali AliAli Ali

Huy hiệu Bạc 911 Huy hiệu Đồng1 silver badge4 bronze badges

from sklearn.metrics import plot_roc_curve


fig = plot_roc_curve( clf, x_train_bow, y_train)
fig = plot_roc_curve( clf, x_test_bow, y_test, ax = fig.ax_)
fig.figure_.suptitle("ROC curve comparison")
plt.show() 

Về cơ bản, chức năng plot_roc_curve vẽ sơ đồ ROC_CURVE cho trình phân loại. Vì vậy, nếu chúng ta sử dụng plot_roc_curve hai lần mà không cần tham số ax chỉ định, nó sẽ vẽ hai biểu đồ. Vì vậy, ở đây chúng tôi lưu trữ Gragh đầu tiên trong biến hình và truy cập trục của nó và cung cấp cho hàm ____77 tiếp theo, để biểu đồ xuất hiện của các trục chỉ của biểu đồ đầu tiên.

Đã trả lời ngày 21 tháng 4 năm 2021 lúc 11:57Apr 21, 2021 at 11:57

2

from sklearn.metrics import plot_roc_curve

classifiers = [log_reg, decision_tree, decision_forest]
ax = plt.gca()
for i in classifiers:
    plot_roc_curve(i, X_test, y_test, ax=ax)

David Buck

3.60033 huy hiệu vàng29 Huy hiệu bạc34 Huy hiệu đồng33 gold badges29 silver badges34 bronze badges

Đã trả lời ngày 22 tháng 5 năm 2020 lúc 10:34May 22, 2020 at 10:34

1

Chúng ta có thể sử dụng đường cong ROC cho đa không

Chúng ta có thể sử dụng đường cong AUC ROC cho Multi không

Làm thế nào để bạn sử dụng đường cong AUC ROC cho Multi

Làm thế nào để bạn vẽ một đường cong ROC trong Python?