ROC作圖問題

2020/01/05 上午 10:17

機器學習共學討論版

Ma Chao Ting

觀看數：4

回答數：1

收藏數：0

ml100-3

ml100-3-d48

Compute

在D48的作業中

from sklearn.tree import DecisionTreeClassifier

modell = DecisionTreeClassifier(criterion='gini',max_depth=5)

modell.fit(X_train, y_train)

predicted= modell.predict(X_test)

print('accuracy_score: ',accuracy_score(y_test, predicted))

print('AUC: ',roc_auc_score(y_test, predicted))

# Compute ROC curve and ROC area for each class

fpr,tpr,threshold = roc_curve(y_test.values, predicted) ###計算真正率和假正率

roc_auc = auc(fpr,tpr) ###计算auc的值

plt.figure()

lw = 2

plt.figure(figsize=(10,10))

plt.plot(fpr, tpr, color='darkorange',

lw=lw, label='ROC curve (area = %0.3f)' % roc_auc) ###假正率為橫坐標，真正率為縱坐標做曲線

plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--')

plt.xlim([0.0, 1.0])

plt.ylim([0.0, 1.05])

plt.xlabel('False Positive Rate')

plt.ylabel('True Positive Rate')

plt.title('Receiver operating characteristic example')

plt.legend(loc="lower right")

為何我的fpr,tpr,threshold會只有這樣

(array([0. , 0.17834395, 1. ]),
array([0. , 0.76300578, 1. ]),
array([2, 1, 0], dtype=int64))

但隨金森林和Lasso 就不會有這個問題

請教這是為什麼?