Python sklearn DetCurveDisplay用法及代碼示例

本文簡要介紹python語言中 sklearn.metrics.DetCurveDisplay 的用法。

用法:

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

DET 曲線可視化。

建議使用from_estimator 或from_predictions 創建可視化工具。所有參數都存儲為屬性。

在用戶指南中閱讀更多信息。

參數：

fpr：ndarray

假陽性率。

fnr：ndarray

假陰性率。

estimator_name：str，默認=無

估算器的名稱。如果為 None，則不顯示估計器名稱。

pos_label：str 或 int，默認 = 無

正類的標簽。

屬性：

line_：matplotlib 藝術家

DET 曲線。

ax_：matplotlib 軸

帶有 DET 曲線的軸。

figure_：matplotlib 圖

包含曲線的圖。

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()