接收者操作特征（ROC）与交叉验证#

此示例展示了如何使用交叉验证估计和可视化接收者操作特征（ROC）指标的方差。

ROC 曲线通常以 Y 轴为真阳性率（TPR），X 轴为假阳性率（FPR）。这意味着图的左上角是“理想”点——FPR 为零，TPR 为一。这不太现实，但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，因为理想情况是最大化 TPR，同时最小化 FPR。

此示例展示了通过 K 折交叉验证创建的不同数据集的 ROC 响应。综合所有这些曲线，可以计算平均 AUC，并观察当训练集被分割成不同子集时曲线的方差。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 折交叉验证生成的不同分割彼此之间有何不同。

注意

请参阅多类接收者操作特征（ROC），作为本示例的补充，解释了用于多类分类器指标泛化的平均策略。

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

加载和准备数据#

我们导入了鸢尾花数据集，其中包含 3 个类别，每个类别对应一种鸢尾花。其中一类与另外两类线性可分；而后两类彼此之间不线性可分。

接下来，我们通过删除“virginica”类别（class_id=2）来二值化数据集。这意味着“versicolor”类别（class_id=1）被视为正类别，而“setosa”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增加问题难度。

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#

在此，我们运行一个带交叉验证的 SVC 分类器，并按折绘制 ROC 曲线。请注意，定义随机水平（虚线 ROC 曲线）的基线是始终预测最常见类别的分类器。

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}",
        curve_kwargs=dict(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 0.171 秒)

接收者操作特征（ROC）与交叉验证#

加载和准备数据#

分类和 ROC 分析#

本页