Python ROC曲线详解|极客笔记

Python ROC曲线详解

什么是ROC曲线

ROC曲线（Receiver Operating Characteristic curve），又称受试者工作特征曲线，是机器学习领域常用于评价分类模型性能的一种方法。ROC曲线以假正例率（FPR）为横坐标，真正例率（TPR）为纵坐标，通过调整分类器的阈值来绘制不同点，展示分类器在不同阈值下的性能表现。

ROC曲线的含义

在ROC曲线中，横坐标代表“假正例率”，计算公式为 $FPR = \frac{FP}{FP + TN}$ ；纵坐标代表“真正例率”，计算公式为 $TPR = \frac{TP}{TP + FN}$ 。其中，TP表示真正例，FP表示假正例，TN表示真负例，FN表示假负例。

研究ROC曲线时，我们希望TPR尽可能大，同时FPR尽可能小。理想情况下，ROC曲线越接近左上角（0,1）点，说明分类器的性能越好。

绘制ROC曲线的步骤

训练分类器模型并预测概率值；
使用不同的阈值将概率值转化为分类结果；
计算对应阈值下的TPR和FPR；
绘制ROC曲线。

示例代码

下面通过一个简单的二分类问题来说明如何绘制ROC曲线。

import numpy as np
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_curve, roc_auc_score
import matplotlib.pyplot as plt

# 生成示例数据
X, y = make_classification(n_samples=1000, n_features=20, n_classes=2, random_state=42)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练逻辑回归分类器
classifier = LogisticRegression()
classifier.fit(X_train, y_train)

# 获取预测概率值
probs = classifier.predict_proba(X_test)[:, 1]

# 计算ROC曲线数据
fpr, tpr, thresholds = roc_curve(y_test, probs)

# 计算AUC值
auc = roc_auc_score(y_test, probs)

# 绘制ROC曲线
plt.figure()
plt.plot(fpr, tpr, color='orange', label='ROC curve (area = %0.2f)' % auc)
plt.plot([0, 1], [0, 1], color='navy', linestyle='--')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic (ROC) Curve')
plt.legend(loc="lower right")
plt.show()

在上面的示例代码中，我们首先生成了一个模拟数据集，然后使用逻辑回归分类器训练模型，并预测测试集上的概率。接着计算ROC曲线的数据，并绘制出ROC曲线。