DET曲线显示#
- class sklearn.metrics.DetCurveDisplay(*, fpr, fnr, estimator_name=None, pos_label=None)[source]#
DET 曲线可视化。
建议使用
from_estimator
或from_predictions
创建可视化工具。所有参数都存储为属性。更多信息请阅读 用户指南。
版本 0.24 中新增。
- 参数:
- fprndarray
假阳性率。
- fnrndarray
假阴性率。
- estimator_namestr,默认为 None
估计器的名称。如果为 None,则不显示估计器名称。
- pos_labelint、float、bool 或 str,默认为 None
正类的标签。
- 属性:
- line_matplotlib Artist
DET 曲线。
- ax_matplotlib Axes
包含 DET 曲线的坐标轴。
- figure_matplotlib Figure
包含曲线的图形。
另请参阅
DET曲线 (det_curve)
计算不同概率阈值的错误率。
DetCurveDisplay.from_estimator
根据估计器和一些数据绘制 DET 曲线。
DetCurveDisplay.from_predictions
根据真实标签和预测标签绘制 DET 曲线。
示例
>>> import matplotlib.pyplot as plt >>> from sklearn.datasets import make_classification >>> from sklearn.metrics import det_curve, DetCurveDisplay >>> from sklearn.model_selection import train_test_split >>> from sklearn.svm import SVC >>> X, y = make_classification(n_samples=1000, random_state=0) >>> X_train, X_test, y_train, y_test = train_test_split( ... X, y, test_size=0.4, random_state=0) >>> clf = SVC(random_state=0).fit(X_train, y_train) >>> y_pred = clf.decision_function(X_test) >>> fpr, fnr, _ = det_curve(y_test, y_pred) >>> display = DetCurveDisplay( ... fpr=fpr, fnr=fnr, estimator_name="SVC" ... ) >>> display.plot() <...> >>> plt.show()
- classmethod from_estimator(estimator, X, y, *, sample_weight=None, response_method='auto', pos_label=None, name=None, ax=None, **kwargs)[source]#
根据估计器和数据绘制 DET 曲线。
更多信息请阅读 用户指南。
版本 1.0 中新增。
- 参数:
- estimator估计器实例
已拟合的分类器或已拟合的
Pipeline
(其中最后一个估计器是分类器)。- X形状为 (n_samples, n_features) 的 {array-like, sparse matrix}
输入值。
- y形状为 (n_samples,) 的 array-like
目标值。
- sample_weight形状为 (n_samples,) 的 array-like,默认为 None
样本权重。
- response_method{'predict_proba', 'decision_function', 'auto'},默认为 'auto'
指定是使用 predict_proba 还是 decision_function 作为预测的目标响应。如果设置为 'auto',则首先尝试 predict_proba,如果不存在,则尝试 decision_function。
- pos_labelint、float、bool 或 str,默认为 None
正类的标签。当
pos_label=None
时,如果y_true
在 {-1, 1} 或 {0, 1} 中,则pos_label
设置为 1,否则将引发错误。- namestr,默认为 None
DET 曲线的标签名称。如果为
None
,则使用估计器的名称。- axmatplotlib axes,默认为 None
要绘制的坐标轴对象。如果为
None
,则创建新的图形和坐标轴。- **kwargsdict
传递给 matplotlib
plot
函数的其他关键字参数。
- 返回:
- display
DetCurveDisplay
存储计算值的的对象。
- display
另请参阅
DET曲线 (det_curve)
计算不同概率阈值的错误率。
DetCurveDisplay.from_predictions
根据真实标签和预测标签绘制 DET 曲线。
示例
>>> import matplotlib.pyplot as plt >>> from sklearn.datasets import make_classification >>> from sklearn.metrics import DetCurveDisplay >>> from sklearn.model_selection import train_test_split >>> from sklearn.svm import SVC >>> X, y = make_classification(n_samples=1000, random_state=0) >>> X_train, X_test, y_train, y_test = train_test_split( ... X, y, test_size=0.4, random_state=0) >>> clf = SVC(random_state=0).fit(X_train, y_train) >>> DetCurveDisplay.from_estimator( ... clf, X_test, y_test) <...> >>> plt.show()
- classmethod from_predictions(y_true, y_pred, *, sample_weight=None, pos_label=None, name=None, ax=None, **kwargs)[source]#
根据真实标签和预测标签绘制 DET 曲线。
更多信息请阅读 用户指南。
版本 1.0 中新增。
- 参数:
- y_true形状为 (n_samples,) 的类数组
真实标签。
- y_pred形状为 (n_samples,) 的类数组
目标分数,可以是正类的概率估计、置信值或未经阈值处理的决策度量(某些分类器上的
decision_function
返回)。- sample_weight形状为 (n_samples,) 的 array-like,默认为 None
样本权重。
- pos_labelint、float、bool 或 str,默认为 None
正类的标签。当
pos_label=None
时,如果y_true
在 {-1, 1} 或 {0, 1} 中,则pos_label
设置为 1,否则将引发错误。- namestr,默认为 None
DET 曲线的名称,用于标记。如果为
None
,则名称将设置为"Classifier"
。- axmatplotlib axes,默认为 None
要绘制的坐标轴对象。如果为
None
,则创建新的图形和坐标轴。- **kwargsdict
传递给 matplotlib
plot
函数的其他关键字参数。
- 返回:
- display
DetCurveDisplay
存储计算值的的对象。
- display
另请参阅
DET曲线 (det_curve)
计算不同概率阈值的错误率。
DetCurveDisplay.from_estimator
根据估计器和一些数据绘制 DET 曲线。
示例
>>> import matplotlib.pyplot as plt >>> from sklearn.datasets import make_classification >>> from sklearn.metrics import DetCurveDisplay >>> from sklearn.model_selection import train_test_split >>> from sklearn.svm import SVC >>> X, y = make_classification(n_samples=1000, random_state=0) >>> X_train, X_test, y_train, y_test = train_test_split( ... X, y, test_size=0.4, random_state=0) >>> clf = SVC(random_state=0).fit(X_train, y_train) >>> y_pred = clf.decision_function(X_test) >>> DetCurveDisplay.from_predictions( ... y_test, y_pred) <...> >>> plt.show()
- plot(ax=None, *, name=None, **kwargs)[source]#
绘制可视化图像。
- 参数:
- axmatplotlib axes,默认为 None
要绘制的坐标轴对象。如果为
None
,则创建新的图形和坐标轴。- namestr,默认为 None
DET 曲线的名称,用于标记。如果为
None
,则使用estimator_name
(如果它不为None
),否则不显示标签。- **kwargsdict
传递给 matplotlib
plot
函数的其他关键字参数。
- 返回:
- display
DetCurveDisplay
存储计算值的的对象。
- display