python画出AUC曲线

ssswill

于 2019-04-16 22:07:40 发布

阅读量1.6w

点赞数 10

CC 4.0 BY-SA版权

分类专栏： ML 文章标签： AUC

本文链接：https://blog.csdn.net/ssswill/article/details/89343500

ML 专栏收录该内容

31 篇文章

订阅专栏

本文介绍如何使用sklearn库中的load_breast_cancer数据集和RandomForestClassifier模型，绘制AUC曲线。通过代码示例，展示了如何计算预测概率，获取FPR、TPR和阈值，最终绘制出AUC曲线。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

以load_breast_cancer数据集为例，模型细节不重要，重点是画AUC的代码。直接上代码：

from sklearn.datasets import load_breast_cancer
from sklearn import metrics
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
import pylab as plt
import warnings;warnings.filterwarnings('ignore')
dataset = load_breast_cancer()
data = dataset.data
target = dataset.target
X_train,X_test,y_train,y_test = train_test_split(data,target,test_size=0.2)
rf = RandomForestClassifier(n_estimators=5)
rf.fit(X_train,y_train)
pred = rf.predict_proba(X_test)[:,1]
#############画图部分
fpr, tpr, threshold = metrics.roc_curve(y_test, pred)
roc_auc = metrics.auc(fpr, tpr)
plt.figure(figsize=(6,6))
plt.title('Validation ROC')
plt.plot(fpr, tpr, 'b', label = 'Val AUC = %0.3f' % roc_auc)
plt.legend(loc = 'lower right')
plt.plot([0, 1], [0, 1],'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('True Positive Rate')
plt.xlabel('False Positive Rate')
plt.show()

在这里插入图片描述