sklearn은 바이너리 분류기에 대한 roc 곡선 아래의 면적을 어떻게 계산합니까?

Question

다른 질문의 중복으로 표시 될 수 있습니다. here.

y_pred = clf.predict(X_test) roc_auc_score(y_test, y_pred)

이유를 : 그러나, 나는에서 제공하는 하나입니다, 단 하나의 임계 값을 테스트하여 ROC 곡선 아래의 면적을 계산하는 방법 Scikit 배우고 이해할 수없는 여전히 대답을 보았고, 한 여러 개의 값 (다중 임계 값의 결과 인 다중 y_test, y_pred)을 취하지 않습니다. 단순화 된 설명은 정말 감사하겠습니다.

Answer 1

이 경우 roc_auc_score()의 두 번째 인수는 예측 확률이 clf.predict_proba(X_test) 인 형식이어야합니다. 이 임계 값은이 예측 확률의 기준에서이 함수 내에서 계산됩니다.

import numpy as np 
from sklearn.metrics import roc_auc_score 
y_true = np.array([0, 0, 1, 1]) 
y_scores = np.array([0.1, 0.4, 0.35, 0.8]) 
roc_auc_score(y_true, y_scores) 
0.75 

가 roc_auc_score가이 도움이 roc_curve 그 자체를보고있을 caluclated 방법을 이해하려면 : documentation이에 대한 예제가있다. 이것은 sklearn.metrics.roc_curve() 함수로 할 수 있습니다. 예는 documentation 찍은 :

import numpy as np 
from sklearn import metrics 
y = np.array([1, 1, 2, 2]) 
scores = np.array([0.1, 0.4, 0.35, 0.8]) 
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2) 
fpr 
array([ 0. , 0.5, 0.5, 1. ]) 
tpr 
array([ 0.5, 0.5, 1. , 1. ]) 
thresholds 
array([ 0.8 , 0.4 , 0.35, 0.1 ]) 

합니다 (y은 여전히 ​​2 포지티브 클래스 인과 이진 분류 후자 예에서 상이한 있는데도.)

가

로서 후자의 예에서 알 수있는 다른 임계 값은 제공된 scores에서 으로 취합니다.

ROC Curve은 y 축과 플롯의 x 축에 위양성률 fpr에 참 긍정적 인 평가 tpr를 넣어 생성 될 것이다.