一、ROC曲线简介
接收者操作特征曲线（Receiver Operating Characteristic Curve，简称ROC）曲线是描述二元分类模型分类能力的一种方法，用于衡量模型在真实类别不同的情况下的性能。
其横坐标是假正例率（False Positive Rate，FPR）,纵坐标是真正例率（True Positive Rate，TPR）,FPR和TPR在统计学中分别代表着假正比率和真正比率。ROC曲线的图像就是一条从 (0,0) 到 (1,1) 的曲线，左下角的点代表阀值为无限大时的情况，右上角的点代表阀值为无限小时的情况。
二、构建ROC曲线的基本流程
ROC曲线的构建主要是通过设定分类阈值来分别计算在不同阈值下的FPR和TPR，从而得到所需的曲线。
1. 加载数据
import pandas as pd
data = pd.read_csv('data.csv')
这里的data是一个Pandas的DataFrame类型的数据。
2. 计算TPR和FPR
from sklearn.metrics import roc_curve
fpr, tpr, thresholds = roc_curve(data['True Label'], data['Score'])
其中，’True Label’是真实标签，’Score’是分类器的分类得分
3. 计算AUC
from sklearn.metrics import auc
roc_auc = auc(fpr, tpr)
4. 绘制ROC曲线
import matplotlib.pyplot as plt
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 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()
三、细节问题
1. 阈值选择
ROC曲线的形状不仅与测试数据集的真实性有关，还与测试数据集的规模、质量以及分类阈值的选择等因素有关。通常，我们会根据测试数据集来选择一个合适的分类阈值。
2. AUC的意义
AUC的意义在于：如果有一个样本对，其中一个来自正常人群，另一个来自癌症人群，那么分类器正确排列这两个样本对的概率就是AUC。
3. 不同分类模型的ROC曲线比较
如果要比较不同的分类模型的ROC曲线，可以绘制在同一张图上。此时，我们需要在图例中注明不同的模型名称，以区分不同模型的ROC曲线。
4. 样本不平衡情况下ROC曲线的应用
当测试数据集的正负样本的比例极其不平衡时，ROC曲线的作用非常明显，因为此时不同分类器的分类效果会显示得非常清楚。
原创文章，作者：EDQWH，如若转载，请注明出处：https://www.506064.com/n/332258.html
微信扫一扫 
支付宝扫一扫 