可視化: Python—MatPlotLib—多模型的ROC曲線

示例

代碼

from sklearn.metrics import roc_curve, auc
import matplotlib as mpl  
import matplotlib.pyplot as plt

plt.figure(figsize=(15, 10))
def plot_roc(labels, predict_probs, titles):
    color = ['r', 'g', 'b', 'y']                                                                 
    shape = ['o', 'v', '^']   
    
    for idx, predict_prob in enumerate(predict_probs):
        false_positive_rate,true_positive_rate,thresholds=roc_curve(labels, predict_prob)
        roc_auc=auc(false_positive_rate, true_positive_rate)
        plt.title('ROC')
        c = color[idx%len(color)]                                                                     
        s = shape[idx%len(shape)]
        plt.plot(false_positive_rate, true_positive_rate,'b',label='AUC K:{} = {:.4}'.format(titles[idx], roc_auc), color=c, marker=s, markevery=20)  
        plt.legend(loc='lower right')
        plt.plot([0,1],[0,1],'r--')
        plt.ylabel('TPR')
        plt.xlabel('FPR')
plot_roc(pca_test_label, predict_probs)

解釋

該代碼參數含義爲：

• label: 長度爲N的列表，二分類的真實標籤
• predict_probs：二級列表，每個元素爲長度爲N的列表，記錄的是正類的概率。
• titles：圖例中的K:xxx的名稱列表