python可视化多个机器学习模型在训练集(train set)上交叉验证（cross validation）的AUC值可视化模型效能

Posted 2021-08-22 Data+Science+Insight

python可视化多个机器学习模型在训练集(train set)上交叉验证（cross validation）的AUC值、可视化模型效能

# 所有的模型中填写的参数都是通过randomsearchcv获得的最佳参数；

# 模型包含：逻辑回归、朴素贝叶斯、支持向量机、随机森林、xgboost、lightgbm;

# 交叉验证函数的评估指标为roc_auc；

#mean和std两个列表分别存放均值和方差；

from sklearn.model_selection import cross_val_score

X = features_train
y = target_train.reset_index(drop=True).values


xgb = XGBClassifier(n_estimators = 200, max_depth= 2,min_child_weight = 1,scale_pos_weight = scale_pos_weight,random_state = 42)
light = LGBMClassifier(n_estimators = 100, max_depth= 10,min_child_weight = 1,scale_pos_weight = scale_pos_weight,random_state