Python机器学习：roc_curve()生成ROC曲线

紫昂张

已于 2023-07-30 17:03:21 修改

阅读量6.9k

点赞数 4

CC 4.0 BY-SA版权

分类专栏： Python机器学习文章标签： sklearn python

于 2023-02-11 00:54:12 首次发布

本文链接：https://blog.csdn.net/Sukey666666/article/details/128979429

Python机器学习专栏收录该内容

30 篇文章

订阅专栏

ROC曲线是评估模型性能的重要工具，越接近纵轴表示模型预测精度越高。在Python中，可以使用sklearn的roc_curve()函数计算FPR和TPR，然后通过matplotlib绘制ROC曲线。文章通过一个例子展示了如何使用LightGBM训练模型，获取预测概率，然后绘制ROC曲线，结果显示模型拟合良好。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ROC曲线越接近纵轴，模型预测精度越高，能直观地表现模型精度。用sklearn里面的roc_curve()函数，就能一键计算FPR和TPR，快速生成ROC曲线啦。

先复习一下ROC曲线的构成：X轴代表假阳率，Y轴代表真阳率。我们要得到的值就是预测对的TPR、和预测错FPR的两组值。

模型准备：

思路是：先把模型训练好，生成测试集的结果y_test_proba备用。接着用roc_curve()，计算FPR和TPR，以及生成ROC曲线。

import lightgbm as lgb
model_lgb = lgb.LGBMClassifier().fit(X_train, y_train)
y_test_proba =  model_lgb.predict_proba(X_test)[:, 1]

ROC曲线的绘制：

import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve

fpr, tpr, thresholds = roc_curve(y_test, y_test_proba)
plt.plot(fpr, tpr)

代码讲解：

matplotlib指绘图的包；

roc_curve是sklearn里面计算ROC曲线的函数，能返回FPR（假阳率）、TPR（真阳率）、和用于确定真正率和假正率的阈值；

fpr, tpr, thresholds 是我们自定义的参数名，分别用来存FPR（假阳率）、TPR（真阳率）、和用于确定真正率和假正率的阈值；

plot()能绘制点线图，把横轴FPR和纵轴TPR填进去就能生成ROC曲线啦。

运行结果：

图形很接近真阳率TPR的纵轴，说明模型结果拟合得还不错。