概述
Decision_function：scores，predict之间的关系
在二分类问题绘制ROC曲线时候，对于随机森林和深度森林等其他模型没有Decision_function这个函数时候的解决办法。
predict：用于分类模型的预测分类，返回值是类别；
predict_proba：也是用于预测分类，返回值是预期分类的概率；
在画ROC曲线时候要得到scores需要进行切片操作！！！！
from sklearn.metrics import roc_curve
import matplotlib.pyplot as plt
y_probas = gcf.predict_proba(X_te)
y_scores = y_probas[:,1]#关键一步得到scores
fpr,tpr,thresh = roc_curve(y_te,y_scores)
plt.title('ROC曲线')
plt.xlabel('FP')
plt.ylabel('TP')
plt.plot(fpr,tpr)
这是因为：
predict_proba的返回值是一个二维数组，其实代表的是各个分类的概率，对于二分类而言，就是为negative的概率以及positive概率。
scores的值其实就是predict_proba的二维数组中positive的值。
这样得到scores之后就可使用sklearn绘制ROC曲线啦！
最后
以上就是优秀丝袜为你收集整理的Decision_function：scores，predict之间的关系的全部内容，希望文章能够帮你解决Decision_function：scores，predict之间的关系所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复