网站建站免费空间,十大搜索引擎神器,wordpress 数据表合并,仿做网站的网站前言
关于ROC和PR曲线的介绍请参考#xff1a; 机器学习#xff1a;准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线
参考#xff1a; Python下使用sklearn绘制ROC曲线#xff08;超详细#xff09; Python绘图|Python绘制ROC曲线和PR曲线
源码
…前言
关于ROC和PR曲线的介绍请参考 机器学习准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线
参考 Python下使用sklearn绘制ROC曲线超详细 Python绘图|Python绘制ROC曲线和PR曲线
源码
from sklearn.metrics import roc_curve, auc
from sklearn.metrics import precision_recall_curve, average_precision_score
import matplotlib.pyplot as pltdef draw_roc(labels, preds):labels: listpreds: listfpr, tpr, thersholds roc_curve(labels, preds, pos_label1) # pos_label指定哪个标签为正样本roc_auc auc(fpr, tpr) # 计算ROC曲线下面积plt.figure(figsize(10,7), dpi300)plt.plot(fpr, tpr, -, colorr, labelROC (area%.6f) % (roc_auc), lw2)plt.xlim([-0.05, 1.05])plt.ylim([-0.05, 1.05])plt.xlabel(False Positive Rate)plt.ylabel(True Positive Rate)plt.title(ROC Curve)plt.legend(loclower right)# plt.show()plt.savefig(./roc.png, dpi300, bbox_inchestight)def draw_pr(labels, preds):labels: listpreds: listprecision, recall, thersholds precision_recall_curve(labels, preds, pos_label1) # pos_label指定哪个标签为正样本area average_precision_score(labels, preds, pos_label1) # 计算PR曲线下面积plt.figure(figsize(10,7), dpi300)plt.plot(recall, precision, -, colorr, labelPR (area%.6f) % (area), lw2)plt.xlim([-0.05, 1.05])plt.ylim([-0.05, 1.05])plt.xlabel(Recall)plt.ylabel(Precision)plt.title(PR Curve)plt.legend(loclower left)# plt.show()plt.savefig(./pr.png, dpi300, bbox_inchestight)
