python中的库用于神经网络绘制ROC,AUC,DET
以下是关于Python中用于神经网络绘制ROC、AUC、DET的库的答案：
库名称：sklearn
sklearn是一个非常强大的Python库，它包含了许多用于机器学习和数据挖掘的算法。在神经网络绘制ROC、AUC、DET时，sklearn提供了一些非常有用的工具。
分类：
sklearn可以用于分类问题，包括神经网络的训练和评估。
优势：
- 提供了许多常用的机器学习算法，包括神经网络算法。
- 提供了许多用于数据挖掘和机器学习的工具，包括数据预处理、特征选择、模型评估等。
- 提供了许多常用的评估指标，包括ROC、AUC、DET等。
应用场景：
sklearn可以用于各种机器学习任务，包括图像识别、自然语言处理、文本分类等。
推荐的腾讯云相关产品：
- 腾讯云云服务器：提供了高性能的云服务器，可以用于部署和运行Python应用程序。
- 腾讯云对象存储：提供了可靠的数据存储服务，可以用于存储和管理数据集。
- 腾讯云数据处理：提供了数据处理和分析服务，可以用于处理和分析数据集。
产品介绍链接地址：
相关·内容
我对python中的机器学习是个新手，因此请原谅我天真的问题。在python中有没有一个用来实现神经网络的库，这样它也可以给我ROC和AUC曲线。我知道python中实现神经网络的库，但我正在寻找一个库，它也可以帮助我绘制ROC、DET和AUC曲线。
浏览 1提问于2012-04-25得票数 10
回答已采纳
2回答
我很难在python中绘制OneClassSVM的AUC图(我正在使用sklearn来生成混乱矩阵，比如[[tp, fp],[fn,tn]]和fn=tn=0。
from sklearn.metrics import roc_curve, auc
fpr, tpr, thresholds = roc_curve(y_test, y_nb_predicted)
roc_auc = auc(fpr, tpr) # this generates ValueError[1]
print "Area under the ROC curve : %f" % roc_auc
plt.plot(
浏览 1提问于2015-01-19得票数 4
回答已采纳
我正在使用R中的包randomForest创建一个模型，将病例分为疾病(1)或无疾病(0)：
classify_BV_100t <- randomForest(bv.disease~., data=RF_input_BV_clean, ntree = 100, localImp = TRUE)
print(classify_BV_100t)
Call:
randomForest(formula = bv.disease ~ ., data = RF_input_BV_clean, ntree = 100, localImp = TRUE)
Type
浏览 4提问于2019-11-20得票数 2
回答已采纳
在scikit learn中，GridSearchCV()支持'roc_auc‘作为评分函数。它在n折交叉验证中工作得很好，但是如果我使用LeaveOneOut，它就不能工作并生成错误消息。
ValueError: Only one class present in Y. ROC AUC score is not defined in that case.
虽然使用AUC绘制只有一个样本似乎是不可能的，但其他语言，如R，支持LeaveOneOut的roc_auc。
如何使用python和scikit-learn进行计算？如果这是不可能的，使用大折叠交叉验证结果会喜欢吗？
浏览 0提问于2015-12-30得票数 2
我正在运行一个卷积神经网络。在完成运行后，我使用一些度量来评估模型的性能。其中2项指标是sklearn的auc和roc_auc_score。
AUC函数：
AUROC函数：
我使用的代码如下：
print(pred)
fpr, tpr, thresholds = metrics.roc_curve(true_classes, pred, pos_label=1)
print("-----AUC-----")
print(metrics.auc(fpr, tpr))
print("----ROC AUC-----")
print(metrics.roc_auc_s
浏览 2提问于2021-04-15得票数 0
回答已采纳
1回答
我在卡夫训练了一个二等的CNN，现在我想画出中华民国的曲线，并计算出AUC的值。我有两个问题: 1)如何用python绘制Caffe的ROC曲线? 2)如何计算ROC曲线的AUC值？
浏览 1提问于2017-06-10得票数 2
回答已采纳
1回答
我尝试了两种方法来绘制ROC曲线，并得到每条ROC曲线的AUC。
方法1 -第一种方法是简单的，但我不知道如何在上绘制多条ROC曲线。我只是使用roc.curve(hacide.test$cls, pred_rose[,2])，输出将显示中华民国的曲线，并给我的AUC。
方法2 I现在可以绘制多条ROC曲线，但不能同时得到曲线。这就是我绘制多条ROC曲线的方法：
library(ROCR)
pd1 <- prediction(pred_rose[,2], hacide.test$cls)
pf1 <- performance(pd1, "tpr","fpr&
浏览 6提问于2016-05-15得票数 8
回答已采纳
1回答
我有一个工作的神经网络循环，所以我可以在我的隐藏层('nodes_list')中使用预定数量的节点来运行神经网络。然后，我计算每个节点的ROC曲线下的面积，并将其放在一个列表('roc_outcomes')中用于绘图目的。但是，我想循环这个循环5次，以获得三个模型(模型1:隐藏层中的20个节点，模型2:隐藏层中的28个节点，模型3:隐藏层中的38个节点)中每个模型的ROC曲线下的平均面积。当我只在一个模型上尝试时，这很好用，但当我迭代多个模型而不是迭代模型1 5次，然后是模型2 5次，然后是模型3 5 times....it迭代模型1，然后模型2，然后模型3，它
浏览 9提问于2018-08-14得票数 2
回答已采纳
我有一个增强的树模型，以及测试数据集的概率和分类。我正在尝试为相同的roc_curve绘制图形。但是我不知道如何在scikit learn中定义roc曲线的阈值/alpha。
from sklearn.metrics import precision_recall_curve,roc_curve,auc, average_precision_score
fpr = dict()
tpr = dict()
roc_auc = dict()
fpr,tpr,_ = roc_curve(ytest,p_test, pos_label=1)
roc_auc = auc(fpr,tpr)
plt.
浏览 1提问于2018-02-07得票数 4
回答已采纳
我搜索了谷歌，并看到了几个关于这个错误的StackOverflow帖子。这不是我的案子。
我使用keras训练一个简单的神经网络，并对分裂的测试数据集进行一些预测。但是，当使用roc_auc_score计算AUC时，我得到了以下错误：
"ValueError: Only one class present in y_true. ROC AUC score is not defined in that case."。
我检查目标标签的分布，它们是高度不平衡的。一些标签(总共29个标签)只有一个实例。因此，它们很可能在测试标签中没有正标签实例。因此，sklearn的roc_auc_
浏览 10提问于2016-08-18得票数 15
1回答
我在绘制ROC曲线时没有问题，它也是根据我的要求绘制的，但我面临的问题是(ylim轴)它从0.1到1.05开始，它只绘制偶数(0.0，0.2，0.4...1.05)，但我想扩展ylim轴(例如。0.0 0.1 0.2 0.3...1.05)。我想要一个代码，既包括偶数和奇数，同时绘制ROC曲线。
我在matplotlib中搜索，但没有找到任何与我的问题相关的内容。
lw = 2
plt.figure()
plt.plot(fpr11, tpr11, 'o-', ms=2, label='ROC_curve_APOE(AUC11 = %0.4f)'
%
浏览 18提问于2019-07-10得票数 0
回答已采纳
我已经使用下面的代码来绘制Tensorboard中的2幅标量图，这些标量图是从自定义ROC-AUC评分回调中获取的。
for epoch in range(len(history.history['roc_train'])):
with train_summary_writer.as_default():
tf.summary.scalar('roc_auc_train', history.history['roc_train'][epoch], step=epoch)
tf.summary.scalar(
浏览 4提问于2020-08-24得票数 1
回答已采纳
1回答
我试图用pyhton matplotlib库绘制ROC曲线。我想将这条曲线显示为一条盘子线，并在下面的图片中显示一个标记：
参考图：
这是我的密码：
plt.figure(figsize=(7,7))
fpr, tpr, thresholds = metrics.roc_curve(test_Y, predict_proba)
auc = roc_auc_score(test_Y,y_pred)
plt.plot(fpr, tpr, label='%s (AUC = %0.2f)' % ("LR", auc),marker='h',linest
浏览 0提问于2020-09-25得票数 0
回答已采纳
1回答
我对使用roc库有一个理解上的问题。
我想用python 绘制一个roc曲线
我正在编写一个程序来评估探测器(haar级联，神经元网络)，并想对它们进行评估。因此，我已经将数据保存在一个文件中，格式如下：
0.5 TP
0.43 FP
0.72 FN
0.82 TN
...
而TP表示真阳性，FP -假阳性，FN -假阴性，TN -真阴性。
我解析它并用这个数据集填充4个数组。
那我想把这个放进去
fpr, tpr = sklearn.metrics.roc_curve(y_true, y_score, average='macro', sample_weig
浏览 10提问于2016-01-02得票数 9
1回答
我需要计算两个多类变量的ROC曲线，但我得到了一个我无法解决的错误。
下面是我的代码和我得到的错误：
Input:
auc = roc_auc_score(df["two_year_recid"], df["decile_score"])
auc
Output:
ValueError Traceback (most recent call last)
<ipython-input-128-223ffcb55a4f> in <module>
----> 1 auc =
浏览 17提问于2021-01-21得票数 1
2回答
我目前正在使用auc-roc曲线，让我说我有一个没有排名的分类器，比如一个预测值为0和1的支持向量机，并且预测不是很容易转换成概率或分数，如果我不想绘制AUC-ROC，我只想计算AUC，看看我的模型做得有多好，我还能这样做吗？它是否仍然被称为或作为一个AUC，特别是有两个阈值可以使用(0，1)？如果是这样的话，它会和用分数来计算AUC一样好吗？
现在假设我已经决定用支持向量机(0,1)创建的标签来绘制AUC-ROC，它看起来就像下面的图片i。
它还会被认为是和AUC-曲线吗？
非常感谢您的帮助和支持。
注:我读过以下问题，但没有找到答案：
浏览 2提问于2018-04-20得票数 0
回答已采纳
如果我们有4种不同的笔记本，针对不同的ML模型结果。我们必须绘制一个ROC曲线，它显示了所有4种模型的ROc。我们怎么能做到这一点
这是我在每本笔记本上写的代码
import sklearn.metrics as metrics
# calculate the fpr and tpr for all thresholds of the classification
fpr, tpr, threshold = metrics.roc_curve(y_true1, y_pred1)
roc_auc = metrics.auc(fpr, tpr)
# method I: plt
import
浏览 0提问于2022-04-16得票数 1
我不能得到ROC函数工作，我得到错误“预测必须是数字或排序”。 我看过其他的帖子，但都没有解决我的问题。任何帮助都是非常感谢的。 "Get data"
flying=dget("https://www.math.ntnu.no/emner/TMA4268/2019v/data/flying.dd")
ctrain=flying$ctrain
ctest=flying$ctest
library(MASS)
fly_qda=qda(diabetes~., data=ctrain)
#Test error is given below:
predict_q
浏览 191提问于2019-04-19得票数 4
回答已采纳
我在这方面是新手，但我想为活性化合物与诱饵的一个小数据集绘制一条ROC曲线。我基于这个链接：ROC curve for binary classification in python在这种情况下，这个小数据集是一个虚拟筛选的结果，它从实验数据(IC50)中对具有已知活性或不活性的化合物进行排名和评分。 我不确定图和AUC是否正确。我注意到，即使测试(真)预测值之间只有一个值的差异，AUC也只有0.5。对于我在下面插入的代码中的真实值和预测值，它只有0.49左右。也许模型没有正确地识别这些化合物。然而，我注意到，除了一些其他位置的化合物外，它还正确地识别了排名中的前十个化合物。也许它比消极的更
浏览 18提问于2021-03-17得票数 1
回答已采纳
1回答
我想绘制接收器的工作特性曲线，所以我做以下工作：
from sklearn.metrics import roc_curve, auc
predictions = auto_wclf.predict_proba(X_test)
false_positive_rate, recall, thresholds = roc_curve(y_test, predictions[:, 1])
roc_auc = auc(false_positive_rate, recall)
plt.title('Receiver Operating Characteristic')
plt.plot(
浏览 2提问于2015-03-10得票数 1
回答已采纳
1回答
我对R不熟悉，我遇到了这样的问题:我想比较两种预测技术(支持向量机和神经网络)，将它们应用于一些数据，我想比较它们的性能。要做到这一点，我使用ROC曲线。代码应该是计算ROC曲线下的面积，但它不起作用。神经网络代码工作正常，但当支持向量机部分执行时，会出现以下错误：
auc((dtest$recid=="SI")*1，lr.pred)
Roc.default中的错误(response，predictor，auc = TRUE，.)：谓词必须是数字或有序的。
obj.roc <- roc((dtest$recid=="SI")*1，lr.pred )
R
浏览 1提问于2014-12-13得票数 3
回答已采纳
1回答
我正在解决一项多类分类的任务，并希望利用学习中的roc曲线来估计结果。据我所知，如果我设置了一个正标签，它允许在这种情况下绘制曲线。我试着用正标号绘制一条roc曲线，得到了奇怪的结果:类的“正标签”越大，就越接近于roc曲线的左上角。然后，我用数组的二进制标记绘制了一条roc曲线。这两个情节是不同的！我认为第二个是正确的，但是如果是二进制类，则图只有3个点，这并不能说明问题。
我想了解，为什么二元类的roc曲线和带有“正标签”的roc曲线看起来不同，以及如何正确地用正标号绘制roc曲线。
以下是代码：
from sklearn.metrics import roc_curve, auc
y_p
浏览 2提问于2019-07-11得票数 0
回答已采纳
2回答
从下面的代码看，使用keras和scikit评估roc实际上是有区别的。有谁知道怎么解释吗？
import tensorflow as tf
from keras.layers import Dense, Input, Dropout
from keras import Sequential
import keras
from keras.constraints import maxnorm
from sklearn.metrics import roc_auc_score
# training data: X_train, y_train
# validation data: X_vali
浏览 2提问于2020-04-15得票数 2
我正在使用Python3.6，sklearn.svm.OneClassSVM来练习开放支持向量机，我想
计算ROC，AUC。
我已经使用decision_function()来计算ROC和AUC，代码如下。
我想评估我通过decision_function计算的值。
是否只能使用预测标签和真实标签来获取ROC、AUC值？
y_score = oneclass.decision_function(testing_data)
roc_auc = metrics.roc_auc_score(Y_test, y_score)
浏览 2提问于2019-05-20得票数 0
我想比较Python中不同的二进制分类器。为此，我要计算中华民国的积分，测量95%置信区间(CI)，以及p值来获取统计学意义。
以下是一个最小的例子，在科学知识-学习，培训三种不同的模型上的二进制分类数据集，绘制的曲线和计算的AUC分数。
以下是我的具体问题：
如何计算95%置信区间(CI)在测试集上的得分？(例如用鞋带)。
如何比较AUC评分(在测试集上)和测量p值来评估统计学意义？(无效假设是，模型没有区别。否定零假设意味着AUC分数的差异在统计学上是显著的。
。
import numpy as np
np.random.seed(2018)
from sklearn.
浏览 2提问于2018-09-17得票数 20
回答已采纳
2回答
我使用sklearn对我的二进制分类数据集使用10折交叉验证，如下所示。我用"accuracy"，"precision_weighted"，"recall_weighted"，"f1_weighted“来衡量我的结果。 scores = cross_validate(clf, X, y, cv=k_fold, scoring=("accuracy", "precision_weighted", "recall_weighted", "f1_weighted"))
print
浏览 55提问于2019-12-23得票数 2
回答已采纳
我正在尝试使用下面的代码在一个图上绘制多个ROC图。x是一个矢量列表(每个矢量包含x坐标)，y是一个矢量列表(每个矢量包含y坐标)。
plotROC<- function(x, y, label=NA) {
p <- ggplot() + ggtitle("ROC Plot") + xlab("False Positive Rate") +
ylab("True Positive Rate") + xlim(c(0,1)) + ylim(c(0, 1)) +
geom_segment(aes(x=0, y=0,
浏览 0提问于2018-04-04得票数 0
这是我第一次使用scikit学习指标，我想用这个库绘制一条roc曲线。
这条ROC曲线显示我知道的AUC=1.00是不正确的。代码如下：
from sklearn.metrics import roc_curve, auc
import pylab as pl
def show_roc(test_target, predicted_probs):
# set number 1
actual = [1, -1, -1, -1, -1, 1, -1, -1, 1, -1, -1, -1, -1, -1, -1, -1, 1, -1, -1, -1]
prediction_probas = [
浏览 2提问于2015-04-28得票数 4
我想把我的ROC曲线，科基尔尼实现，所以我尝试了以下：
from sklearn.metrics import roc_curve, auc
false_positive_rate, recall, thresholds = roc_curve(y_test, prediction[:, 1])
roc_auc = auc(false_positive_rate, recall)
plt.title('Receiver Operating Characteristic')
plt.plot(false_positive_rate, recall, 'b', la
浏览 2提问于2015-02-08得票数 5
回答已采纳
我正在使用scikit-learn手动构建一个袋装分类器。我需要这样做，因为我有三个数据子集，并且我需要在每个子集上训练一个分类器。所以我基本上做的是创建三个RandomForestClassifier分类器，并在子集上训练每个分类器。然后给出一个测试集，我执行以下操作来找到ROC AUC：
probas2 = estimators[2].predict_proba(X_test)
probas3 = estimators[3].predict_proba(X_test)
probas4 = estimators[4].predict_proba
浏览 2提问于2014-04-02得票数 0
我是机器学习领域的新成员&我正在(试图)实现异常检测算法，一种算法是借助tensorflow库的keras实现的自动编码器，另一种是借助sklearn库实现的IsolationForest，我想将这些算法与roc_auc_score ( )进行比较，但我不确定是否正确。
在roc_auc_score函数的文档中，我可以看到，对于输入，应该如下所示：
sklearn.metrics.roc_auc_score(y_true，y_score，average=‘宏’，sample_weight=None，max_fpr=None
y_true :真正的二进制标签或二进制标签指示器。
y_sc
浏览 4提问于2019-11-16得票数 1
我试图用ROC来评估我的情感文本分类器模型。
这是我对中华民国的代码：
# ROC-AUC Curve
from sklearn.metrics import roc_curve, auc
import matplotlib.pyplot as plt
fpr, tpr, thresholds = roc_curve(y_test, y_test_hat2)
roc_auc = auc(fpr, tpr)
plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=1, label='ROC curve (area =
浏览 23提问于2022-03-25得票数 1
回答已采纳
我需要实现一个自定义回调来计算每个时代之后的AUC，这需要作为基于LSTM的神经网络的度量。这是自定义回调：
from tensorflow.keras.callbacks import Callback
class RocCallback(Callback):
def __init__(self,training_data,validation_data):
self.x = training_data[0]
self.y = training_data[1]
self.x_val = validation_data[0]
浏览 5提问于2020-08-23得票数 4
1回答
我不知道如何印刷中华民国的曲线，如果我能得到如何绘制它的解释，我将非常感激。
# Get prediction probability of the positive outcomes for each model
pred_bayes_prob = bayes_model.predict_proba(feature_test)
pred_dtc_prob = dtc_model.predict_proba(feature_test)
pred_knn_prob = knn_model.predict_proba(feature_test)
from sklearn.metrics i
浏览 7提问于2022-03-28得票数 0
我的代码绘制了ROC曲线，
“”“
true = y_true
pred = preds[:,0]
fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(2):
fpr[i], tpr[i], _ = roc_curve(true, pred)
roc_auc[i] = auc(fpr[i], tpr[i])
print(roc_auc_score(test, pred))
plt.figure()
plt.plot(fpr[1], tpr[1])
plt.xlim([0.0, 1.0])
plt.ylim([0.
浏览 1提问于2020-10-03得票数 0
1回答
如何在同一图形上绘制不同型号的roc曲线？我这样做了，但是怎么继续呢！
from matplotlib import pyplot
probaA= model.predict_proba(X_testA)[:, 1]
probaB = model.predict_proba(X_testB)[:, 1]
fpr, tpr, _ = metrics.roc_curve(y_testA, probaA)
auc = metrics.roc_auc_score(y_testA, probaA)
pyplot.plot([0, 1], [0, 1], linestyle='--')
浏览 22提问于2019-07-09得票数 0
我试图绘制一个标识符的ROC曲线，该标识符用于根据背景数据集确定正事件。标识符是两个组之间有一些重叠的概率分数的列表。
FG BG
0.02 0.10
0.03 0.25
0.02 0.12
0.04 0.16
0.05 0.45
0.12 0.31
0.13 0.20
(其中FG =正，BG =负)
我正在用R中的PRROC绘制ROC曲线，以评估标识符如何将数据分类为正确的组。虽然在正数据集和负数据集之间产生的分类器值有明显的区别，但我目前的ROC图在R中显示出较低的AUC值
浏览 4提问于2017-11-24得票数 2
回答已采纳
我发现，当我在roc_auc_score中有负值时，sample_weight函数有时会中断。如何绘制roc曲线以及计算AUC？
是虫子吗？
ValueError: x is neither increasing nor decreasing :
浏览 0提问于2018-12-06得票数 1
回答已采纳
如何使用python代码从y_true和y_pred值中计算y_true中单类的auc或roc或auc-roc得分。
我曾经在堆栈溢出和互联网上检查过各种类似的问题，但是任务没有解决，或者输出不是预期的。
下面是y_true和y_pred值的示例。
y_true = numpy.array([1,1,1])
y_pred = numpy.array([0.36,0.82,0.46])
或,
y_true = [1,1,1]
y_pred = [0.36,0.82,0.46]
值得一提的是，我检查了python库的各种内置函数，发现虽然可以找到真阳性率，但假阳性率显示为nan或不是一个数字。
浏览 2提问于2019-10-28得票数 2
回答已采纳
3回答
我正在用KNN建立两类分类模型
我试图用以下方法计算auc_score
from sklearn.metrics import auc
auc(y_test, y_pred)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-183-980dc3c4e3d7> in <module>
--
浏览 4提问于2019-03-04得票数 6
回答已采纳
14回答
我正在尝试绘制ROC曲线，以评估我使用逻辑回归包在Python中开发的预测模型的准确性。我已经计算了真阳性率和假阳性率；但是，我无法弄清楚如何使用matplotlib正确绘制这些值并计算AUC值。我怎么能这么做呢？
浏览 3提问于2014-07-29得票数 103
如何绘制具有离散输出标签为2列的roc曲线？
使用roc_curve()会给出一个错误：
ValueError:不支持多标签指示符格式
y_prediction = model.predict(test_X)
y_prediction[1]
Out[27]: array([1.0000000e+00, 6.8178085e-12], dtype=float32)
y_prediction.shape
Out[23]: (514, 2)
test_y.shape
Out[24]: (514, 2)
fpr_roc, tpr_roc, thresholds_roc = roc_curve(
浏览 1提问于2020-04-08得票数 3
我正在尝试使用tf.keras中的sklearn AUC作为模型度量，为此我使用了此链接中的自定义函数
下面是我的模型：
def auc(y_true, y_pred):
return tf.py_func(roc_auc_score, (y_true, y_pred), tf.double)
model = Model(inputs= [text_x,state_x,grade_x,cat_x,subcat_x,teach_x,num_x],outputs = [output_layer])
model.compile(optimizer = 'Adam', los
浏览 32提问于2019-08-20得票数 2
1回答
我已经用pROC绘制了多条ROC曲线，现在我想在绘图空间的中下角水平添加一个通用图例。我通常使用ggplot，但现在我对基数R绘图感到迷惑。 下面是我的代码： # Set plotting parameters
par(mfrow=c(1,2), pty = "s", oma = c(4,1,1,1))
# ROC plot 1
roc(logit_A$y, logit_A$fitted.values, plot=TRUE, legacy.axes=FALSE, percent=TRUE, col="salmon", lwd=2, print.auc=TRU
浏览 16提问于2020-04-01得票数 0
回答已采纳
改写为MWE：
我正在尝试计算roc_auc_score。
这是我得到的错误：
Traceback (most recent call last):
File "Feb22so.py", line 58, in <module>
test_roc_vals(od)
File "Feb22so.py", line 29, in test_roc_vals
roc_values.append(roc_auc_score(target, pred))
File "/user/pkgs/anaconda2/lib/p
浏览 35提问于2018-02-22得票数 0
我试图为一个多标签分类问题绘制ROC曲线。在给它贴标签之前，我的目标列如下所示：
TargetGrouped
I5
I2
R0
I3
这是用于绘制ROC的代码的一部分：
def computeROC(self, n_classes, y_test, y_score):
# Compute ROC curve and ROC area for each class
fpr = dict()
tpr = dict()
roc_auc = dict()
# Compute micro-average ROC c
浏览 0提问于2019-07-18得票数 0
回答已采纳
1回答
我的预测专栏有垃圾邮件，不是垃圾邮件，也是无法定义的。我用集合法-堆叠法来预测它，我得到了大约77%的精度，我能画出中华民国的曲线，但我不认为它是正确的。
Ensemle技术代码：
# Generate level-one dataset for training the ensemble metalearner
predDF <- data.frame(dataTest.pred, NB_Predictions, RF_Predictions,SVM_Predictions, spam = validation$spam, stringsAsFactors = F)
# Train
浏览 0提问于2018-05-14得票数 1
回答已采纳
1回答
K折交叉验证ROC曲线的绘制
、、、、
我正在处理一个不平衡的数据集。在应用ML模型之前，我将数据集分成测试集和训练集，然后应用SMOTE算法来平衡数据集。我想应用交叉验证，绘制每个褶皱的ROC曲线，显示每个褶皱的AUC，并在图中显示AUC的平均值。我将重采样的训练集变量命名为X_train_res和y_train_res，代码如下：
cv = StratifiedKFold(n_splits=10)
classifier = SVC(kernel='sigmoid',probability=True,random_state=0)
tprs = []
aucs = []
mean_fpr = np.linspac
浏览 6提问于2019-08-29得票数 2
回答已采纳
我正在尝试绘制多类ROC曲线，但我在包中没有发现任何有用的东西。下面是一些开始代码：
data(iris)
library(randomForest)
library(pROC)
set.seed(1000)
# 3-class in response variable
rf = randomForest(Species~., data = iris, ntree = 100)
# predict(.., type = 'prob') returns a probability matrix
predictions <- as.numeric(predict(rf, ir
浏览 3提问于2015-12-09得票数 13
回答已采纳
1回答
我只想弄清楚这两者的区别
roc_auc_score(y_test,results.predict(X_test))
和
roc_auc_score(y_test,results.predict_proba(X_test)[:,1])
我知道后一种方法返回每个测试观察的类0的概率，并且在绘制roc_curve时，应该使用predict_proba()。但是，在ROC中检查二分类模型性能的正确方法是什么？我目前使用的是前一个。后者是什么意思？
浏览 5提问于2016-12-08得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
