Python sklearn DetCurveDisplay用法及代码示例

本文简要介绍python语言中 sklearn.metrics.DetCurveDisplay 的用法。

用法:

class sklearn.metrics.DetCurveDisplay(*, fpr, fnr, estimator_name=None, pos_label=None)

DET 曲线可视化。

建议使用from_estimator 或from_predictions 创建可视化工具。所有参数都存储为属性。

在用户指南中阅读更多信息。

参数：

fpr：ndarray

假阳性率。

fnr：ndarray

假阴性率。

estimator_name：str，默认=无

估算器的名称。如果为 None，则不显示估计器名称。

pos_label：str 或 int，默认 = 无

正类的标签。

属性：

line_：matplotlib 艺术家

DET 曲线。

ax_：matplotlib 轴

带有 DET 曲线的轴。

figure_：matplotlib 图

包含曲线的图。

例子：

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.metrics import det_curve, DetCurveDisplay
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.svm import SVC
>>> X, y = make_classification(n_samples=1000, random_state=0)
>>> X_train, X_test, y_train, y_test = train_test_split(
...     X, y, test_size=0.4, random_state=0)
>>> clf = SVC(random_state=0).fit(X_train, y_train)
>>> y_pred = clf.decision_function(X_test)
>>> fpr, fnr, _ = det_curve(y_test, y_pred)
>>> display = DetCurveDisplay(
...     fpr=fpr, fnr=fnr, estimator_name="SVC"
... )
>>> display.plot()
<...>
>>> plt.show()