sklearn.metrics.roc_curve用法

ROC 是一条以不同阈值下的假正率 FPR 为横坐标，不同阈值下的召回率 Recall 为纵坐标的曲线。

建立 ROC 曲线的根本目的是找寻 Recall 和 FPR 之间的平衡，让我们能够衡量模型在尽量捕捉少数类的时候，误伤多数类的情况会如何变化。横坐标是FPR，代表着模型将多数类判断错误的能力，纵坐标Recall，代表着模型捕捉少数类的能力，所以ROC曲线代表着，随着Recall的不断增加，FPR如何增加。我们希望随着Recall的不断提升，FPR增加得越慢越好，这说明我们可以尽量高效地捕捉出少数类，而不会将很多地多数类判断错误

sklearn.metrics.roc_curve ( y_true, 
                            y_score, 
                            pos_label=None, 
                            sample_weight=None, 
                            drop_intermediate=True
                        )

参数：

• y_true : 数组，形状 = [n_samples]，真实标签

• y_score : 数组，形状 = [n_samples]，置信度分数，可以是正类样本的概率值，或置信度分数，或者SVC 中decision_function返回的距离

• pos_label : 整数或者字符串, 默认None，表示被认为是正类样本的类别 . 即标签中认定为正的label个数。

  例如label= [1,2,3,4]，如果设置pos_label = 2,则认为3,4为positive，其他均为negtive。

• sample_weight : 形如 [n_samples]的类数组结构，可不填，表示样本的权重

• drop_intermediate : 布尔值，默认True，如果设置为True，表示会舍弃一些ROC曲线上不显示的阈值点，这对于计算一个比较轻量的ROC曲线来说非常有用

返回值：

FPR，Recall以及阈值。

Example 1

from sklearn.datasets import make_blobs
from sklearn.svm import SVC
import matplotlib.pyplot as plt
import numpy as np
from sklearn.metrics import roc_curve

class_1 = 500  # 类别1有500个样本
class_2 = 50  # 类别2只有50个
centers = [[0.0, 0.0], [2.0, 2.0]]  # 设定两个类别的中心
clusters_std = [1.5, 0.5]  # 设定两个类别的方差，通常来说，样本量比较大的类别会更加松散
X, y = make_blobs(n_samples=[class_1, class_2],
                  centers=centers,
                  cluster_std=clusters_std,
                  random_state=0, shuffle=False)

#看看数据集长什么样
plt.scatter(X[:, 0], X[:, 1], c=y, cmap="rainbow",s=10)
#其中红色点是少数类，紫色点是多数类

clf_proba = SVC(kernel="linear",C=1.0,probability=True).fit(X,y)
FPR, recall, thresholds = roc_curve(y,clf_proba.decision_function(X), pos_label=1)

plt.plot(FPR, recall, color='red',label='ROC curve (area = %0.2f)' )

Example 2

初始数据：

y_true = [0, 0, 1, 0, 0, 1, 0, 1, 0, 0]
y_score = [0.31689620142873609, 0.32367439192936548, 0.42600526758001989, 0.38769987193780364, 0.3667541015524296, 0.39760831479768338, 0.42017521636505745, 0.41936155918127238, 0.33803961944475219, 0.33998332945141224]

通过sklearn的roc_curve函数计算false positive rate和true positive rate以及对应的threshold：

fpr, tpr, thresholds = roc_curve(y_true, 
                                 y_score, 
                                 drop_intermediate=False)

计算得到的值如下：

fpr
array([0.        , 0.        , 0.14285714, 0.14285714, 0.14285714,
       0.28571429, 0.42857143, 0.57142857, 0.71428571, 0.85714286,
       1.        ])

tpr
array([0.        , 0.33333333, 0.33333333, 0.66666667, 1.        ,
       1.        , 1.        , 1.        , 1.        , 1.        ,
       1.        ])

thresholds
array([1.42600527, 0.42600527, 0.42017522, 0.41936156, 0.39760831,
       0.38769987, 0.3667541 , 0.33998333, 0.33803962, 0.32367439,
       0.3168962 ])