python绘制影像组学训练集测试集对应的ROC曲线以及瀑布图(rad-score 瀑布图)

Posted Data+Science+Insight

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python绘制影像组学训练集测试集对应的ROC曲线以及瀑布图(rad-score 瀑布图)相关的知识,希望对你有一定的参考价值。

python绘制影像组学训练集、测试集对应的ROC曲线以及瀑布图(rad-score 瀑布图)

 

# 所有数据的瀑布图

tagets_all = df[\'label\']
tagets_all = df.iloc[X_lasso.index][\'label\']

tagets_all.value_counts()

#

# plt.style.use(\'fivethirtyeight\')
plt.style.use(\'seaborn-notebook\')
# plt.style.use(\'classic\')
plot_scaler = StandardScaler()
plot_feature = plot_scaler.fit_transform(X_lasso)
results = svm_model.predict_proba(plot_feature)[:,1]
results = results.reshape(-1,1)
scaler = MinMaxScaler((-1,1))
results = scaler.fit_transform(results)
results = (results.flatten())
results[np.where(results < 0)] = resul

以上是关于python绘制影像组学训练集测试集对应的ROC曲线以及瀑布图(rad-score 瀑布图)的主要内容,如果未能解决你的问题,请参考以下文章

绘制 K 折交叉验证的 ROC 曲线

R 插入符号保留样本和测试集 ROC

ROC曲线的绘制,python实现

如何在自动编码器模型上绘制ROC曲线并计算AUC?

Python计算医疗数据训练集测试集的对应的临床特征:训练集(测试集)的阴性和阳性的样本个数连续变量的均值(标准差)以及训练测试集阳性阴性的p值离散变量的分类统计比率训练测试集阳性阴性的p值

构建手动 bagging 分类器后绘制 ROC 曲线