本文结构：
什么是 ROC？
怎么解读 ROC 曲线？
如何画 ROC 曲线？
代码？
什么是 AUC？
代码？
ROC 曲线和 AUC 常被用来评价一个二值分类器的优劣。
先来看一下混淆矩阵中的各个元素，在后面会用到：
1. ROC ：
纵轴为 TPR 真正例率，预测为正且实际为正的样本占所有正例样本的比例。
横轴为 FPR 假正例率，预测为正但实际为负的样本占所有负例样本的比例。
对角线对应的是 “随机猜想”
当一个学习器的 ROC 曲线被另一个学习器的包住，那么后者性能优于前者。
有交叉时，需要用 AUC 进行比较。
2. 先看图中的四个点和对角线：
第一个点，(0,1)，即 FPR=0, TPR=1，这意味着 FN（false negative）=0，并且FP（false positive）=0。这意味着分类器很完美，因为它将所有的样本都正确分类。
第二个点，(1,0)，即 FPR=1，TPR=0，这个分类器是最糟糕的，因为它成功避开了所有的正确答案。
第三个点，(0,0)，即 FPR=TPR=0，即 FP（false positive）=TP（true positive）=0，此时分类器将所有的样本都预测为负样本（negative）。
第四个点（1,1），分类器将所有的样本都预测为正样本。
对角线上的点表示分类器将一半的样本猜测为正样本，另外一半的样本猜测为负样本。
因此，ROC 曲线越接近左上角，分类器的性能越好。
3. 如何画 ROC 曲线
例如有如下 20 个样本数据，Class 为真实分类，Score 为分类器预测此样本为正例的概率。
按 Score 从大到小排列
依次将每个 Score 设定为阈值，然后这 20 个样本的标签会变化，当它的 score 大于或等于当前阈值时，则为正样本，否则为负样本。
这样对每个阈值，可以计算一组 FPR 和 TPR，此例一共可以得到 20 组。
当阈值设置为 1 和 0 时， 可以得到 ROC 曲线上的 (0,0) 和 (1,1) 两个点。
4. 代码：
输入 y 的真实标签，还有 score，设定标签为 2 时是正例：
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)
就会得到相应的 TPR, FPR, 截断点 ：
fpr = array([ 0. , 0.5, 0.5, 1. ]) tpr = array([ 0.5, 0.5, 1. , 1. ]) thresholds = array([ 0.8 , 0.4 , 0.35, 0.1 ])#截断点
5. AUC：
是 ROC 曲线下的面积，它是一个数值，当仅仅看 ROC 曲线分辨不出哪个分类器的效果更好时，用这个数值来判断。
The AUC value is equivalent to the probability that a randomly chosen positive example is ranked higher than a randomly chosen negative example.
从上面定义可知，意思是随机挑选一个正样本和一个负样本，当前分类算法得到的 Score 将这个正样本排在负样本前面的概率就是 AUC 值。AUC 值是一个概率值，AUC 值越大，分类算法越好。
6. 代码：
import numpy as np from sklearn.metrics import roc_auc_score y_true = np.array([0, 0, 1, 1]) y_scores = np.array([0.1, 0.4, 0.35, 0.8]) roc_auc_score(y_true, y_scores)0.75
共同学习，写下你的评论
评论加载中...
作者其他优质文章
