-1
バイカルクラシファイアなしでauc rocスコアを計算したいのですが、scikit-learnで例が見つからないようです。どのようにこれを行うにはどのようなアイデア?バイナリクラシファイアなしでauc rocを計算する(scikit-learn)
バイカルクラシファイアなしでauc rocスコアを計算したいのですが、scikit-learnで例が見つからないようです。どのようにこれを行うにはどのようなアイデア?バイナリクラシファイアなしでauc rocを計算する(scikit-learn)
多クラスAUC ROCは、独立して、すべてのクラスの曲線を計算するか、クラス間の値を集約のいずれかによって達成することができる
おかげ。
あなたはより多くの情報hereを見つけることができますが、私はまた、種々の曲線をプロットするためのコードを添付して下に(コードが添付リンクから来た):
# Compute macro-average ROC curve and ROC area
# First aggregate all false positive rates
all_fpr = np.unique(np.concatenate([fpr[i] for i in range(n_classes)]))
# Then interpolate all ROC curves at this points
mean_tpr = np.zeros_like(all_fpr)
for i in range(n_classes):
mean_tpr += interp(all_fpr, fpr[i], tpr[i])
# Finally average it and compute AUC
mean_tpr /= n_classes
fpr["macro"] = all_fpr
tpr["macro"] = mean_tpr
roc_auc["macro"] = auc(fpr["macro"], tpr["macro"])
# Plot all ROC curves
plt.figure()
plt.plot(fpr["micro"], tpr["micro"],
label='micro-average ROC curve (area = {0:0.2f})'
''.format(roc_auc["micro"]),
color='deeppink', linestyle=':', linewidth=4)
plt.plot(fpr["macro"], tpr["macro"],
label='macro-average ROC curve (area = {0:0.2f})'
''.format(roc_auc["macro"]),
color='navy', linestyle=':', linewidth=4)
colors = cycle(['aqua', 'darkorange', 'cornflowerblue'])
for i, color in zip(range(n_classes), colors):
plt.plot(fpr[i], tpr[i], color=color, lw=lw,
label='ROC curve of class {0} (area = {1:0.2f})'
''.format(i, roc_auc[i]))
plt.plot([0, 1], [0, 1], 'k--', lw=lw)
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Some extension of Receiver operating characteristic to multi-class')
plt.legend(loc="lower right")
plt.show()