如何绘制灵敏度和特异度的ROC? |
您所在的位置:网站首页 › roc曲线灵敏度和特异度怎样决定 › 如何绘制灵敏度和特异度的ROC? |
你对ROC曲线的理解是错误的。ROC曲线绘制了不同阈值下真阳性率(敏感度) tpr = tp / (tp + fn)与假阳性率(1特异性) 1 - (tn / (tn + fp)之间的关系。现在,我看到你的标题表明你想要一个“敏感度和特异性的ROC”,但实际上这样的东西并不存在。同时解决敏感性和特异性的方法是通过ROC曲线。 为了得到ROC曲线,将绘图更改为: plt.plot(fpr, tpr, 'b', label = 'AUC = %0.2f' % roc_auc) 从上面的解释中,您可以看到如何计算假阳性率和真阳性率。 然后,在解释ROC曲线时,您希望分类器的位置尽可能靠近左上角,表示低的假阳性率(高特异性)和高的真阳性率(高灵敏度)。也就是说,假阳性率并不代表特异性,而是特异性的负值。这就是为什么你希望它是最小的。 最后但并非最不重要的一点是,当涉及到ROC曲线时,经常会让人感到困惑的情况是,在X轴上有specificity而不是1 - specificity。当发生这种情况时,值的方向是相反的(如图中所示),因此它从1到0而不是从0到1。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |