Python sklearn RocCurveDisplay用法及代码示例

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

用法:

class sklearn.metrics.RocCurveDisplay(*, fpr, tpr, roc_auc=None, estimator_name=None, pos_label=None)

ROC 曲线可视化。

建议使用 from_estimator 或 from_predictions 创建 RocCurveDisplay 。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。

tpr：ndarray

真阳性率。

roc_auc：浮点数，默认=无

ROC 曲线下的面积。如果没有，则不显示roc_auc 分数。

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

在计算 roc auc 指标时被认为是正类的类。默认情况下，estimators.classes_[1] 被视为正类。

属性：

line_：matplotlib 艺术家

ROC 曲线。

ax_：matplotlib 轴

带有 ROC 曲线的轴。

figure_：matplotlib 图

包含曲线的图。

例子：

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> from sklearn import metrics
>>> y = np.array([0, 0, 1, 1])
>>> pred = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, tpr, thresholds = metrics.roc_curve(y, pred)
>>> roc_auc = metrics.auc(fpr, tpr)
>>> display = metrics.RocCurveDisplay(fpr=fpr, tpr=tpr, roc_auc=roc_auc,
...                                   estimator_name='example estimator')
>>> display.plot()
<...>
>>> plt.show()