大家好，又见面了，我是你们的朋友全栈君。
上图:
【注意!!!!! 以下代码用到的roc_curve函数（只能用于二分类），如果多分类会报错，不适用于多分类!!!!!】
附上代码:一个函数，传入三个参数
.....传入参数，训练模型，然后: fit = model.fit(x_train, y_training) # ROC y_score = model.fit(x_train, y_training).predict_proba(x_test) # 随机森林 fpr, tpr, thresholds = roc_curve(y_test, y_score[:, 1]) roc_auc = auc(fpr, tpr)
def drawRoc(roc_auc,fpr,tpr):
plt.subplots(figsize=(7, 5.5))
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curve')
plt.legend(loc="lower right")
plt.show()
drawRoc(roc, fpr, tpr)
注:导入的包没有贴上，需要自己导入，复制代码即可运行
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/145587.html原文链接：https://javaforall.net
