如何將RandomForest二進制化以在Python中繪製ROC？

我有21個班。我正在使用RandomForest。我想繪製ROC曲線，所以我在scikit中檢查了示例ROC with SVM 如何將RandomForest二進制化以在Python中繪製ROC？

該示例使用SVM。支持向量機具有如下參數：概率和RF不具有的decision_function_shape。

那麼如何二值化RandomForest並繪製ROC？

謝謝

編輯

要創建假數據。所以有20個特徵和21個類別（每個類別3個樣本）。

df = pd.DataFrame(np.random.rand(63, 20)) 
label = np.arange(len(df)) // 3 + 1 
df['label']=label 
df 


#TO TRAIN THE MODEL: IT IS A STRATIFIED SHUFFLED SPLIT 
clf = make_pipeline(RandomForestClassifier()) 
xSSSmean10 = [] 
for i in range(10): 
    sss = StratifiedShuffleSplit(y, 10, test_size=0.1, random_state=i) 
    scoresSSS = cross_validation.cross_val_score(clf, x, y , cv=sss) 

    xSSSmean10.append(scoresSSS.mean()) 
result_list.append(xSSSmean10) 
print("")

來源

2017-05-29 Aizzaac

'predict_proba（）'相當於'decision_function（）'。你可以使用它。 –

對於多標記隨機森林，每個21個標籤有一個二元分類，並且可以創建爲每個21類的ROC曲線。您的y_train應該是每個標籤的0和1的矩陣。

假設你適合sklearn的多標記隨機森林並稱其爲rf，並且在測試列車拆分後具有X_test和y_test。

從sklearn進口指標 probs = rf.predict_proba（X_test） FPR，TPR，threshs = metrics.roc_curve（y_test ['你的名頭：您可以使用此圖在python ROC曲線您的第一個標籤標籤']，probs [0] [：，1]）

希望這會有所幫助。如果你提供你的代碼和數據，我可以更具體地寫這個。

來源

2017-05-30 19:39:46 StatisticianInStilettos

在我創建的模型中，y_train是從1到21的矩陣（因爲有21個類）。這就是爲什麼我想對它進行二進制化。我的代碼只是交叉驗證模型的訓練。數據只是一個帶有1到21的標籤的矩陣。我將在編輯中加入一些示例。 – Aizzaac

如何將RandomForest二進制化以在Python中繪製ROC？

回答

相關問題