在 Python 中创建阈值编码的 ROC 图答案

【问题标题】：Creating a threshold-coded ROC plot in Python在 Python 中创建阈值编码的 ROC 图
【发布时间】：2014-04-26 10:16:21
【问题描述】：

R 的ROCR package 提供了用于绘制 ROC 曲线的选项，这些选项将沿着曲线对阈值进行颜色编码和标记：

我能用 Python 最接近的是

from sklearn.metrics import roc_curve
fpr, tpr, thresholds = roc_curve(qualityTrain.PoorCare, qualityTrain.Pred1)
plt.plot(fpr, tpr, label='ROC curve', color='b')
plt.axes().set_aspect('equal')
plt.xlim([-0.05, 1.05])
plt.ylim([-0.05, 1.05])

给了

是否有提供与 R 标记（使用print.cutoffs.at）和颜色代码（使用colorize）阈值能力相当的功能的包？大概这个信息在thresholds，由sklearn.metrics.roc_curve返回，但是我不知道怎么用它来给图上色和标注。

【问题讨论】：

标签： python r matplotlib scikit-learn roc

【解决方案1】：

import sklearn # for the roc curve
import matplotlib.pyplot as plt

def plot_roc(labels, predictions, positive_label, thresholds_every=10, title=''):
  # fp: false positive rates. tp: true positive rates
  fp, tp, thresholds = sklearn.metrics.roc_curve(labels, predictions, pos_label=positive_label)
  roc_auc = sklearn.metrics.auc(fp, tp)

  figure(figsize=(16, 16))
  plt.plot(fp, tp, label='ROC curve (area = %0.2f)' % roc_auc, linewidth=2, color='darkorange')
  plt.plot([0, 1], [0, 1], color='navy', linestyle='--', linewidth=2)
  plt.xlabel('False positives rate')
  plt.ylabel('True positives rate')
  plt.xlim([-0.03, 1.0])
  plt.ylim([0.0, 1.03])
  plt.title(title)
  plt.legend(loc="lower right")
  plt.grid(True)

  # plot some thresholds
  thresholdsLength = len(thresholds)
  colorMap=plt.get_cmap('jet', thresholdsLength)
  for i in range(0, thresholdsLength, thresholds_every):
    threshold_value_with_max_four_decimals = str(thresholds[i])[:5]
    plt.text(fp[i] - 0.03, tp[i] + 0.005, threshold_value_with_max_four_decimals, fontdict={'size': 15}, color=colorMap(i/thresholdsLength));
  plt.show()

用法：

labels = [1, 1, 2, 2, 2, 3]
predictions = [0.7, 0.99, 0.9, 0.3, 0.7, 0.01] # predictions/accuracy for class 1
plot_roc(labels, predictions, positive_label=1, thresholds_every=1, title="ROC Curve - Class 1")

结果： plot result

【讨论】：

【解决方案2】：

看看这个要点：

https://gist.github.com/podshumok/c1d1c9394335d86255b8

roc_data = sklearn.metrics.roc_curve(...)
plot_roc(*roc_data, label_every=5)

【讨论】：