带交叉验证的接收器操作特性 (ROC)#

此示例展示了如何使用交叉验证来估计和可视化接收器操作特性 (ROC) 指标的方差。

ROC 曲线通常以真阳性率 (TPR) 为 Y 轴，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。这不是很现实，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，因为理想情况下是最大化 TPR，同时最小化 FPR。

此示例显示了使用 K 折交叉验证创建的不同数据集的 ROC 响应。通过所有这些曲线，可以计算平均 AUC，并查看当训练集被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到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的差异。

注意

请参阅多类别接收器操作特性 (ROC)作为本示例的补充，其中解释了用于推广多类别分类器指标的平均策略。

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

加载和准备数据#

我们导入包含 3 个类别的鸢尾花数据集，每个类别对应一种鸢尾花类型。一个类别与另外两个类别线性可分；后两个类别彼此不线性可分。

在下文中，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，“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使问题更难。

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，我们在 SVC 分类器上运行 cross_validate，然后使用计算出的交叉验证结果按折叠绘制 ROC 曲线。请注意，定义机会水平（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, cross_validate

n_splits = 6
cv = StratifiedKFold(n_splits=n_splits)
classifier = svm.SVC(kernel="linear", probability=True, random_state=random_state)
cv_results = cross_validate(
    classifier, X, y, cv=cv, return_estimator=True, return_indices=True
)

prop_cycle = plt.rcParams["axes.prop_cycle"]
colors = prop_cycle.by_key()["color"]
curve_kwargs_list = [
    dict(alpha=0.3, lw=1, color=colors[fold % len(colors)]) for fold in range(n_splits)
]
names = [f"ROC fold {idx}" for idx in range(n_splits)]

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

_, ax = plt.subplots(figsize=(6, 6))
viz = RocCurveDisplay.from_cv_results(
    cv_results,
    X,
    y,
    ax=ax,
    name=names,
    curve_kwargs=curve_kwargs_list,
    plot_chance_level=True,
)

for idx in range(n_splits):
    interp_tpr = np.interp(mean_fpr, viz.fpr[idx], viz.tpr[idx])
    interp_tpr[0] = 0.0
    interp_tprs.append(interp_tpr)

mean_tpr = np.mean(interp_tprs, axis=0)
mean_tpr[-1] = 1.0
mean_auc = auc(mean_fpr, mean_tpr)
std_auc = np.std(viz.roc_auc)

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(interp_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 minutes 0.309 seconds)

带交叉验证的接收器操作特性 (ROC)#

加载和准备数据#

分类和 ROC 分析#

本页