sklearn.metrics.roc_curve解析

Posted 2023-01-25 Tina姐

官方网址：http://scikit-learn.org/stable/modules/classes.html#module-sklearn.metrics

首先认识单词：metrics:  ['mɛtrɪks] ： 度量‘指标

                        curve : [kɝv]  :  曲线

这个方法主要用来计算ROC曲线面积的;

sklearn.metrics.roc_curve(y_true, y_score, pos_label=None, sample_weight=None, drop_intermediate=True)

Parameters : 

y_true : 数组，shape = [样本数]           

在范围0,1或-1,1中真正的二进制标签。如果标签不是二进制的，则应该显式地给出pos_label

y_score : 数组, shape = [样本数]            

目标得分，可以是积极类的概率估计，信心值，或者是决定的非阈值度量(在某些分类器上由“decision_function”返回)。

pos_label：int or str, 标签被认为是积极的，其他的被认为是消极的。

sample_weight: 顾名思义，样本的权重，可选择的

drop_intermediate:  boolean, optional (default=True)                

 是否放弃一些不出现在绘制的ROC曲线上的次优阈值。这有助于创建更轻的ROC曲线

Returns : 

fpr : array, shape = [>2]                增加假阳性率，例如，i是预测的假阳性率，得分>=临界值[i]

tpr : array, shape = [>2]                增加真阳性率，例如，i是预测的真阳性率，得分>=临界值[i]。  

thresholds : array, shape = [n_thresholds]            

减少了用于计算fpr和tpr的决策函数的阈值。阈值[0]表示没有被预测的实例，并且被任意设置为max(y_score) + 1

要弄明白ROC的概念可以参考 ：https://www.deeplearn.me/1522.html

 

介绍ROC曲线的两个重要指标：

真阳性率 = true positive rate = TPR = TP/ (TP + FN)

可以这样理解：真阳性率就是在标准的阳性（标准的阳性就等于真阳性加假阴性=TP + FN）中，同时被检测为阳性的概率，有点绕，自行理解。

假阳性率 = false positive rate = FPR = FP / (FP+TN)

可以这样理解：假阳性就是在标准的阴性（标准的阴性就等于假阳性加真阴性=FP + TN）中，被检测为阳性的概率。很好理解的，本来是阴性，检测成了阳性的概率就是假阳性率呗。

 

ROC曲线就由这两个值绘制而成。接下来进入sklearn.metrics.roc_curve实战，找遍了网络也没找到像我一样解释这么清楚的。

import numpy as np
from sklearn import metrics
y = np.array([1, 1, 2, 2])
scores = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2)

y 就是标准值，scores 是每个预测值对应的阳性概率，比如0.1就是指第一个数预测为阳性的概率为0.1，很显然，y 和 socres应该有相同多的元素，都等于样本数。pos_label=2 是指在y中标签为2的是标准阳性标签，其余值是阴性。

所以在标准值y中，阳性有2个，后两个；阴性有2个，前两个。

接下来选取一个阈值计算TPR/FPR,阈值的选取规则是在scores值中从大到小的以此选取，于是第一个选取的阈值是0.8

scores中大于阈值的就是预测为阳性，小于的预测为阴性。所以预测的值设为y_=(0,0,0,1),0代表预测为阴性，1代表预测为阳性。可以看出，真阴性都被预测为阴性，真阳性有一个预测为假阴性了。

FPR = FP / (FP+TN) = 0 / 0 + 2 = 0

TPR = TP/ (TP + FN) = 1 / 1 + 1 = 0.5

thresholds = 0.8

我们验证一下结果

print(fpr[0],tpr[0],thresholds[0])

 

同代码结果一致，其余的就不演示了，剩下的阈值一次等于 0.4  0.35  0.1  自行验证。

 

最后结果等于

print(fpr,'\\n',tpr,'\\n',thresholds)

 

全部代码

 

import numpy as np
from sklearn import metrics
y = np.array([1, 1, 2, 2])
scores = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2)
print(fpr,'\\n',tpr,'\\n',thresholds)

坚持已实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。只有实践才能成长的更快，关注我们，一起成长进步~