ROC − 수신기 작동 특성(ROC) 곡선.
metrics.plot_roc_curve(clf, X_test, y_test) 메서드를 사용하여 ROC 곡선을 그릴 수 있습니다.
단계
-
임의의 n-클래스 분류 문제를 생성합니다. 이것은 처음에 길이가 ``2*class_sep``인 ``n_informative`` 차원 하이퍼큐브의 꼭짓점에 대해 정규 분포(std=1)된 점 클러스터를 생성하고 각 클래스에 동일한 수의 클러스터를 할당합니다.
이는 이러한 기능 간의 상호 의존성을 도입하고 데이터에 다양한 유형의 추가 노이즈를 추가합니다. make_classification() 메서드를 사용합니다.
-
train_test_split() 메서드를 사용하여 배열 또는 행렬을 임의의 열차로 분할합니다.
-
fit() 메서드를 사용하여 주어진 훈련 데이터에 따라 SVM 모델을 피팅합니다.
-
plot_roc_curve() 메서드를 사용하여 수신기 작동 특성(ROC) 곡선을 그립니다.
-
그림을 보려면 plt.show() 메서드를 사용하십시오.
예
import matplotlib.pyplot as plt from sklearn import datasets, metrics, model_selection, svm X, y = datasets.make_classification(random_state=0) X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, random_state=0) clf = svm.SVC(random_state=0) clf.fit(X_train, y_train) metrics.plot_roc_curve(clf, X_test, y_test) plt.show()
출력
