基于python实现ROC曲线绘制广场解析


Posted in Python onJune 28, 2020

ROC

结果

基于python实现ROC曲线绘制广场解析

源数据:鸢尾花数据集(仅采用其中的两种类别的花进行训练和检测)

Summary

features:['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

实例:[5.1, 3.5, 1.4, 0.2]
target:'setosa' 'versicolor' (0 , 1)

采用回归方法进行拟合得到参数和bias

model.fit(data_train, data_train_label)

对测试数据进行预测得到概率值

res = model.predict(data[:100])

与训练集labels匹配后进行排序(从大到小)

pred labels
68 0.758208    1
87 0.753780    1
76 0.745833    1
50 0.743156    1
65 0.741676    1
75 0.739117    1
62 0.738255    1
54 0.737036    1
52 0.733625    1
77 0.728139    1
86 0.727547    1
74 0.726261    1
58 0.725150    1
71 0.724719    1
36 0.724142    0
14 0.723990    0
31 0.721648    0
41 0.720308    0
72 0.717723    1
79 0.712833    1
97 0.705148    1
51 0.702838    1
35 0.702203    0
98 0.701731    1
92 0.701106    1
82 0.700661    1
53 0.700465    1
18 0.699350    0
16 0.696915    0
64 0.693333    1
..    ...   ...
33 0.658937    0
96 0.656761    1
30 0.656279    0
57 0.655673    1
4  0.652616    0
85 0.648620    1
59 0.648586    1
19 0.646965    0
70 0.646262    1
88 0.644482    1
8  0.643191    0
38 0.642704    0
3  0.640933    0
55 0.640630    1
47 0.640444    0
95 0.639552    1
13 0.639050    0
22 0.638485    0
29 0.635590    0
90 0.634376    1
37 0.632224    0
6  0.631119    0
46 0.630037    0
11 0.629718    0
66 0.627807    1
42 0.624795    0
44 0.621703    0
32 0.614932    0
24 0.603874    0
84 0.603249    1

计算训练集中正确的个数与非正确的个数

运用一下的算式进行TPR和FPR的计算

index = 0
for i in sorted_mat.values:
  if i[1] == 0:
    TPR.append(TPR[index])
    FPR.append(FPR[index] + 1.0/F_num)
  else:
    TPR.append(TPR[index] + 1.0/T_num)
    FPR.append(FPR[index])
  index += 1

最后进行TPR和FPR的描绘

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Flask SQLAlchemy一对一,一对多的使用方法实践
Feb 10 Python
python中list常用操作实例详解
Jun 03 Python
Python文件监听工具pyinotify与watchdog实例
Oct 15 Python
python使用KNN算法识别手写数字
Apr 25 Python
python3+PyQt5 使用三种不同的简便项窗口部件显示数据的方法
Jun 17 Python
Python 根据日志级别打印不同颜色的日志的方法示例
Aug 08 Python
python-Web-flask-视图内容和模板知识点西宁街
Aug 23 Python
sklearn+python:线性回归案例
Feb 24 Python
python使用建议技巧分享(三)
Aug 18 Python
Python reversed反转序列并生成可迭代对象
Oct 22 Python
Python Selenium破解滑块验证码最新版(GEETEST95%以上通过率)
Jan 29 Python
Python爬虫基础初探selenium
May 31 Python
Python sklearn中的.fit与.predict的用法说明
Jun 28 #Python
浅谈sklearn中predict与predict_proba区别
Jun 28 #Python
解决Pytorch自定义层出现多Variable共享内存错误问题
Jun 28 #Python
Pytorch学习之torch用法----比较操作(Comparison Ops)
Jun 28 #Python
PyTorch的torch.cat用法
Jun 28 #Python
使用pytorch 筛选出一定范围的值
Jun 28 #Python
解析python 中/ 和 % 和 //(地板除)
Jun 28 #Python
You might like
解析php中static,const与define的使用区别
2013/06/18 PHP
浅析SVN常见问题及解决方法
2013/06/21 PHP
详解PHP中的Traits
2015/07/29 PHP
PHP用mb_string函数库处理与windows相关中文字符及Win环境下开启PHP Mb_String方法
2015/11/11 PHP
Yii快速入门经典教程
2015/12/28 PHP
解决Yii2邮件发送结果返回成功,但接收不到邮件的问题
2017/05/23 PHP
php多进程应用场景实例详解
2019/07/22 PHP
PHP 命名空间和自动加载原理与用法实例分析
2020/04/29 PHP
11款基于Javascript的文件管理器
2009/10/25 Javascript
jquery 事件执行检测代码
2009/12/09 Javascript
JavaScript省市联动实现代码
2014/02/15 Javascript
javascript实现动态侧边栏代码
2014/02/19 Javascript
javascript实现跨域的方法汇总
2015/06/25 Javascript
JavaScript操作XML/HTML比较常用的对象属性集锦
2015/10/30 Javascript
JS中substring与substr的用法
2016/11/16 Javascript
Javascript Event(事件)的传播与冒泡
2017/01/23 Javascript
Angular.js实现多个checkbox只能选择一个的方法示例
2017/02/24 Javascript
浅谈js使用in和hasOwnProperty获取对象属性的区别
2017/04/27 Javascript
微信小程序之页面拦截器的示例代码
2017/09/07 Javascript
nodejs实现爬取网站图片功能
2017/12/14 NodeJs
webpack 单独打包指定JS文件的方法
2018/02/22 Javascript
angularjs手动识别字符串中的换行符方法
2018/10/02 Javascript
js中的reduce()函数讲解
2019/01/18 Javascript
Jquery的Ajax技术使用方法
2019/01/21 jQuery
Vue js 的生命周期(看了就懂)(推荐)
2019/03/29 Javascript
jQuery对底部导航进行跳转并高亮显示的实例代码
2019/04/23 jQuery
微信小程序用canvas画图并分享
2020/03/09 Javascript
python GUI库图形界面开发之PyQt5浏览器控件QWebEngineView详细使用方法
2020/02/26 Python
详细分析Python可变对象和不可变对象
2020/07/09 Python
新大陆软件面试题
2016/11/24 面试题
英语专业应届生求职信范文
2013/11/15 职场文书
私营公司诉讼代理委托书范本
2014/09/13 职场文书
临时工聘用合同协议书
2014/10/29 职场文书
北京英语导游词
2015/02/12 职场文书
大学优秀学生主要事迹材料
2015/11/04 职场文书
素质教育培训心得体会
2016/01/19 职场文书