Python sklearn RocCurveDisplay用法及代碼示例

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

用法:

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

ROC 曲線可視化。

建議使用 from_estimator 或 from_predictions 創建 RocCurveDisplay 。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。

tpr：ndarray

真陽性率。

roc_auc：浮點數，默認=無

ROC 曲線下的麵積。如果沒有，則不顯示roc_auc 分數。

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

在計算 roc auc 指標時被認為是正類的類。默認情況下，estimators.classes_[1] 被視為正類。

屬性：

line_：matplotlib 藝術家

ROC 曲線。

ax_：matplotlib 軸

帶有 ROC 曲線的軸。

figure_：matplotlib 圖

包含曲線的圖。

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()