使用交叉验证的受试者工作特征 (ROC)#

此示例演示如何使用交叉验证来估计和可视化受试者工作特征 (ROC) 指标的方差。

ROC 曲线通常以真阳性率 (TPR) 为 Y 轴，以假阳性率 (FPR) 为 X 轴。这意味着图表的左上角是“理想”点——FPR 为零，TPR 为一。这不太现实，但这确实意味着曲线下面积 (AUC) 越大通常越好。ROC 曲线的“陡峭程度”也很重要，因为理想情况下应最大化 TPR 并最小化 FPR。

此示例显示了由 K 折交叉验证创建的不同数据集的 ROC 响应。利用所有这些曲线，可以计算平均 AUC，并查看在将训练集分成不同的子集时曲线的方差。这大致显示了分类器输出如何受训练数据变化的影响，以及 K 折交叉验证生成的分割彼此之间有多大差异。

注意

请参阅多类受试者工作特征 (ROC)，了解本示例的补充说明，其中解释了将指标推广到多类分类器的平均策略。

# Authors: The scikit-learn developers
# SPDX-License-Identifier: BSD-3-Clause

加载和准备数据#

我们导入鸢尾花数据集，其中包含 3 个类别，每个类别对应一种鸢尾花类型。一个类别与其他两个类别线性可分；后两者彼此之间**不**线性可分。

在下文中，我们通过删除“维吉尼亚鸢尾”类别（class_id=2）来将数据集二值化。这意味着“变色鸢尾”类别（class_id=1）被视为正类别，“山鸢尾”被视为负类别（class_id=0）。

import numpy as np

from sklearn.datasets import load_iris

iris = load_iris()
target_names = iris.target_names
X, y = iris.data, iris.target
X, y = X[y != 2], y[y != 2]
n_samples, n_features = X.shape

我们还添加了噪声特征以使问题更难解决。

random_state = np.random.RandomState(0)
X = np.concatenate([X, random_state.randn(n_samples, 200 * n_features)], axis=1)

分类和 ROC 分析#

在这里，我们运行一个使用交叉验证的 SVC 分类器，并逐折绘制 ROC 曲线。请注意，定义机会水平（虚线 ROC 曲线）的基线是一个始终预测最频繁类别的分类器。

import matplotlib.pyplot as plt

from sklearn import svm
from sklearn.metrics import RocCurveDisplay, auc
from sklearn.model_selection import StratifiedKFold

n_splits = 6
cv = StratifiedKFold(n_splits=n_splits)
classifier = svm.SVC(kernel="linear", probability=True, random_state=random_state)

tprs = []
aucs = []
mean_fpr = np.linspace(0, 1, 100)

fig, ax = plt.subplots(figsize=(6, 6))
for fold, (train, test) in enumerate(cv.split(X, y)):
    classifier.fit(X[train], y[train])
    viz = RocCurveDisplay.from_estimator(
        classifier,
        X[test],
        y[test],
        name=f"ROC fold {fold}",
        alpha=0.3,
        lw=1,
        ax=ax,
        plot_chance_level=(fold == n_splits - 1),
    )
    interp_tpr = np.interp(mean_fpr, viz.fpr, viz.tpr)
    interp_tpr[0] = 0.0
    tprs.append(interp_tpr)
    aucs.append(viz.roc_auc)

mean_tpr = np.mean(tprs, axis=0)
mean_tpr[-1] = 1.0
mean_auc = auc(mean_fpr, mean_tpr)
std_auc = np.std(aucs)
ax.plot(
    mean_fpr,
    mean_tpr,
    color="b",
    label=r"Mean ROC (AUC = %0.2f $\pm$ %0.2f)" % (mean_auc, std_auc),
    lw=2,
    alpha=0.8,
)

std_tpr = np.std(tprs, axis=0)
tprs_upper = np.minimum(mean_tpr + std_tpr, 1)
tprs_lower = np.maximum(mean_tpr - std_tpr, 0)
ax.fill_between(
    mean_fpr,
    tprs_lower,
    tprs_upper,
    color="grey",
    alpha=0.2,
    label=r"$\pm$ 1 std. dev.",
)

ax.set(
    xlabel="False Positive Rate",
    ylabel="True Positive Rate",
    title=f"Mean ROC curve with variability\n(Positive label '{target_names[1]}')",
)
ax.legend(loc="lower right")
plt.show()

Mean ROC curve with variability (Positive label 'versicolor')

脚本总运行时间：（0 分钟 0.194 秒）