解决ROC曲线画出来只有一个点的问题
之前在做kaggle比赛时，有个比赛使用AUC来评比的，当时试着画了ROC曲线，结果出来的下图这样的图形。跟平时的ROC曲线差好远，就只有一个点。而别人家的都是很多转折的，为啥我的不一样。
我的图如下：
正常的图（sklearn上面截取的）：
思考过后，发现原来：
ROC曲线，一般适用于你的分类器输出一个“概率值”，即这个样本属于某个类的概率是多少。 如此的话，你就需要设定一个阈值， 大于这个阈值属于正类，小于这个阈值属于负类。
从而，对于这个阈值P0， 就会得到对应的TPR, FPR, 也就是ROC曲线上的一个点，你设置不同的阈值，就会得到不同的TPR, FPR， 从而构成ROC曲线。
通常来说 阈值降低，即进入正类的门槛变低， TPR会变大，但是FPR也会变大， 看他们谁变的快。
之前画线的时候直接用了分类的预测值，而没有用上概率这玩意，被划分为正类的概率。。修改下程序，求多一个概率就能画出正确的图形啦。
如果你用GDBT算法的时候：
gbc = GradientBoostingClassifier()
gbc.fit(x_train, y_train)
resu = gbc.predict(x_test) #进行预测
y_pred_gbc = gbc.predict_proba(x_test)[:,1] ###这玩意就是预测概率的
fpr, tpr, threshold = roc_curve(y_test, y_pred_gbc) ###画图的时候要用预测的概率，而不是你的预测的值
plt.plot(fpr, tpr, 'b', label='AUC = %0.2f' % rocauc)#生成ROC曲线
plt.legend(loc='lower right')
plt.plot([0, 1], [0, 1], 'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('真正率')
plt.xlabel('假正率')
plt.show()
以上这篇解决ROC曲线画出来只有一个点的问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
我训练了一名CNN，将图像分为5类。但是，当我试图绘制每个类别相对于其他类别的曲线时，所有5个类别几乎都有一条对角线曲线，其约为0.5。我不知道出了什么问题。 该模型的准确率应该在86%左右。 代码如下： "prediction_prob"变量包含： 而“正确”变量包含每个测试图像的正确标签： 我想我遵循了网站上提到的内容。 生成的tpr[i]和fpr[i]变量变为线性相关，因此AUC变为0.5
-
我目前正在用js尝试SVG路径，我想用一条曲线连接两点。以下是我目前的进展： CodePen版本在这里 看来我需要在路径中添加另一条曲线。 我还找到了这个工作的CodePen。
-
本文向大家介绍利用python画出AUC曲线的实例，包括了利用python画出AUC曲线的实例的使用技巧和注意事项，需要的朋友参考一下 以load_breast_cancer数据集为例，模型细节不重要，重点是画AUC的代码。 直接上代码： 补充拓展：Python机器学习中的roc_auc曲线绘制 废话不多说，直接上代码 以上这篇利用python画出AUC曲线的实例就是小编分享给大家的全部内容了，希
-
本文向大家介绍浅谈ROC曲线的最佳阈值如何选取，包括了浅谈ROC曲线的最佳阈值如何选取的使用技巧和注意事项，需要的朋友参考一下 为了获取ROC曲线的最佳阈值，需要使用一个指标--约登指数，也称正确指数。 借助于matlab的roc函数可以得出计算。 至此计算结束了。 补充拓展：利用阈值分割目标图像 一．全局阈值 方法一：OTSU方法 otsu法（最大类间方差法，有时也称之为大津算法）使用的是聚类的
-
问题描述： 我使用three.js来渲染模型，然后我是打算实现分层渲染的效果，所以模型按照层数给到了我，所以就是多个模型一起渲染。 可以看到下面的图片，是有很多模型数据的。我是使用new THREE.Object3D() 或者 new THREE.Group() 来集合这些模型的，然后scene.add(floorGroup)。scene里面的确也是有这些模型数据的存在。 但是实际渲染的时候却只有
-
实际的y值是y=[0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 1. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 1. 0. 1. 0. 1. 0. 0. 1. 1. 0. 0. 0. 1. 1. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.