溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹如何解決ROC曲線畫出來只有一個點的問題，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！
之前在做kaggle比賽時，有個比賽使用AUC來評比的，當時試著畫了ROC曲線，結果出來的下圖這樣的圖形。跟平時的ROC曲線差好遠，就只有一個點。而別人家的都是很多轉折的，為啥我的不一樣。
我的圖如下：
正常的圖（sklearn上面截取的）：
思考過后，發現原來：
ROC曲線，一般適用于你的分類器輸出一個“概率值”，即這個樣本屬于某個類的概率是多少。 如此的話，你就需要設定一個閾值， 大于這個閾值屬于正類，小于這個閾值屬于負類。
從而，對于這個閾值P0， 就會得到對應的TPR, FPR, 也就是ROC曲線上的一個點，你設置不同的閾值，就會得到不同的TPR, FPR， 從而構成ROC曲線。
通常來說 閾值降低，即進入正類的門檻變低， TPR會變大，但是FPR也會變大， 看他們誰變的快。
之前畫線的時候直接用了分類的預測值，而沒有用上概率這玩意，被劃分為正類的概率。。修改下程序，求多一個概率就能畫出正確的圖形啦。
如果你用GDBT算法的時候：
gbc = GradientBoostingClassifier()
gbc.fit(x_train, y_train)
resu = gbc.predict(x_test) #進行預測
y_pred_gbc = gbc.predict_proba(x_test)[:,1] ###這玩意就是預測概率的
fpr, tpr, threshold = roc_curve(y_test, y_pred_gbc) ###畫圖的時候要用預測的概率，而不是你的預測的值
plt.plot(fpr, tpr, 'b', label='AUC = %0.2f' % rocauc)#生成ROC曲線
plt.legend(loc='lower right')
plt.plot([0, 1], [0, 1], 'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('真正率')
plt.xlabel('假正率')
plt.show()
以上是“如何解決ROC曲線畫出來只有一個點的問題”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
