Hướng dẫn roc curve code in python - mã đường cong roc trong python
Mục tiêu công thứcTrong khi làm việc trên một mô hình phân loại, chúng tôi cảm thấy cần một số liệu có thể cho chúng tôi thấy mô hình của chúng tôi hoạt động như thế nào. Một số liệu cũng có thể đưa ra một biểu diễn đồ họa của hiệu suất sẽ rất hữu ích. Show
Đường cong ROC có thể cung cấp cho chúng tôi điểm số một cách hiệu quả rằng mô hình của chúng tôi đang hoạt động như thế nào trong việc phân loại các nhãn. Chúng ta cũng có thể vẽ đồ thị giữa tỷ lệ dương tính giả và tốc độ dương thực sự với đường cong ROC (nhận đặc tính hoạt động) này. Khu vực dưới đường cong ROC cũng là một số liệu. Lớn hơn khu vực có nghĩa là hiệu suất tốt hơn. Lưu ý rằng chúng ta có thể sử dụng đường cong ROC cho một vấn đề phân loại với hai lớp trong mục tiêu. Đối với dữ liệu có nhiều hơn hai lớp, chúng tôi phải vẽ đường cong ROC đối với mỗi lớp, phần còn lại của sự kết hợp của các lớp khác là lớp sai. Vì vậy, công thức này là một ví dụ ngắn về cách sử dụng ROC và AUC để xem hiệu suất của mô hình của chúng tôi. Chúng tôi sẽ sử dụng nó trên hai mô hình để hiểu rõ hơn. Mục lục
Hãy đến gần hơn với giấc mơ trở thành một nhà khoa học dữ liệu với hơn 70 dự án ML từ đầu đến cuối đã được giải quyếtEnd-to-End ML Projects Bước 1 - Nhập thư viện - GridSearchCV
Bước 2 - Thiết lập dữ liệu Bước 2 - Thiết lập dữ liệuBước 3 - Chia dữ liệu và đào tạo mô hình Bước 3 - Chia dữ liệu và đào tạo mô hìnhBước 5 - Sử dụng các mô hình trên bộ dữ liệu kiểm tra Bước 6 - Tạo tỷ lệ và điểm in tích cực sai và thực sự Bước 5 - Sử dụng các mô hình trên bộ dữ liệu kiểm traBước 6 - Tạo tỷ lệ và điểm in tích cực sai và thực sự Bước 6 - Tạo tỷ lệ và điểm in tích cực sai và thực sựBước 7 - Cấu trúc đường cong ROC Bước 7 - Cấu trúc đường cong ROCHãy đến gần hơn với giấc mơ trở thành một nhà khoa học dữ liệu với hơn 70 dự án ML từ đầu đến cuối đã được giải quyết roc_auc_score for DecisionTree: 0.9539141414141414
roc_auc_score for Logistic Regression: 0.9875140291806959
Làm thế nào để bạn mã hóa một đường cong ROC trong Python?Làm thế nào để vẽ một đường cong ROC trong Python (từng bước).. Bước 1: Nhập các gói cần thiết. Đầu tiên, chúng tôi sẽ nhập các gói cần thiết để thực hiện hồi quy logistic trong Python: nhập pandas dưới dạng nhập khẩu PD NUMPY dưới dạng NP từ Sklearn. .... Bước 2: Phù hợp với mô hình hồi quy logistic. .... Bước 3: Vẽ đường cong ROC. .... Bước 4: Tính AUC .. Làm thế nào để bạn vẽ một đường cong ROC?Để vẽ đường cong ROC, chúng ta cần tính toán TPR và FPR cho nhiều ngưỡng khác nhau (bước này được bao gồm trong tất cả các thư viện có liên quan là Scikit-learn).Đối với mỗi ngưỡng, chúng tôi vẽ giá trị FPR trong trục x và giá trị TPR trong trục y.Sau đó chúng tôi tham gia các dấu chấm với một dòng.Đó là nó!calculate the TPR and FPR for many different thresholds (This step is included in all relevant libraries as scikit-learn ). For each threshold, we plot the FPR value in the x-axis and the TPR value in the y-axis. We then join the dots with a line. That's it!
Làm thế nào để bạn viết kết quả đường cong ROC?Một đường cong ROC cho thấy mối quan hệ giữa độ nhạy và độ đặc hiệu lâm sàng cho mọi lần cắt có thể.Đường cong ROC là một biểu đồ với: trục x hiển thị 1-đặc hiệu (= phân đoạn dương tính giả = fp/(fp+tn)) trục y hiển thị độ nhạy (= phân đoạn dương thực = tp/(tp+fn))The x-axis showing 1 – specificity (= false positive fraction = FP/(FP+TN)) The y-axis showing sensitivity (= true positive fraction = TP/(TP+FN))
Đường cong ROC trong Sklearn là gì?Ví dụ về số liệu đặc tính hoạt động của máy thu (ROC) để đánh giá chất lượng đầu ra của trình phân loại.Các đường cong ROC thường có tốc độ dương thực trên trục Y và tốc độ dương giả trên trục X.metric to evaluate classifier output quality. ROC curves typically feature true positive rate on the Y axis, and false positive rate on the X axis. |