sklearn.metrics中的评估方法介绍
来源:互联网 发布:sql where between 编辑:程序博客网 时间:2024/05/15 07:38
1. sklearn.metrics.roc_curve(true_y. pred_proba_score, pos_labal)
计算roc曲线,roc曲线有三个属性:fpr, tpr,和阈值,因此该函数返回这三个变量,l例如
import numpy as npfrom sklearn.metrics import roc_curvey = np.array([1,1,2,2])pred = np.array([0.1, 0.4, 0.35, 0.8])fpr, tpr, thresholds = roc_curve(y, pred, pos_label=2)fpr # array([ 0. , 0.5, 0.5, 1. ])tpr # array([ 0.5, 0.5, 1. , 1. ])thresholds #array([ 0.8 , 0.4 , 0.35, 0.1 ])from sklearn.metrics import aucmetrics.auc(fpr, tpr)0.75
2. sklearn.metrics.auc(x, y, reorder=False):
计算AUC值,其中x,y分别为数组形式,根据(xi, yi)在坐标上的点,生成的曲线,然后计算AUC值;
3. sklearn.metrics.roc_auc_score(true_y, pred_proba_y)
直接根据真实值(必须是二值)、预测值(可以是0/1, 也可以是proba值)计算出auc值,中间过程的roc计算省略
0 0
- sklearn.metrics中的评估方法介绍
- sklearn.metrics中的评估方法介绍(accuracy_score, recall_score, roc_curve, roc_auc_score, confusion_matrix)
- sklearn.metrics中的评估方法(accuracy_score,recall_score,roc_curve,roc_auc_score,confusion_matrix)
- sklearn中的模型评估
- sklearn中的模型评估
- sklearn中的模型评估
- sklearn: metrics
- 转:sklearn中的模型评估
- 转:sklearn中的模型评估
- sklearn.metrics.confusion_matrix
- sklearn.metrics.classification_report
- sklearn.metrics.roc_curve用法
- python sklearn.metrics roc_curve
- sklearn Classification metrics
- Metrics介绍
- Metrics介绍
- sklearn中的svm参数介绍
- sklearn聚类算法评估方法 之各种系数
- HDFS集中式缓存管理(Centralized Cache Management)
- 3个Activity间的切换
- Java中Json数据格式的使用
- Linux 内核编译:配置内核make menuconfig 出错:curses.h:No such file or directory
- [LeetCode] Copy List with Random Pointer
- sklearn.metrics中的评估方法介绍
- 结构体中的指针与零长度数组
- VideoCapture
- java数据结构 二(单链表)
- C原地快速排序
- java 高手具备的能力
- Hadoop相关的考题
- QT多线程备忘
- 《你必须知道的495个C语言问题》笔记--数组和指针