在Python中繪製ROC曲線

Question

我想繪製僅使用數據集中兩個要素的分類器的ROC曲線。任何人都可以告訴我如何解決下面的錯誤。

from sklearn.metrics import roc_curve, auc 
from scipy import interp 
from sklearn.cross_validation import StratifiedKFold 
from sklearn.svm import SVC 

X_train2 = X_train[:, [0, 1]] 
X_train2 
cv = StratifiedKFold(y_train, n_folds=3, random_state=1) 

fig = plt.figure(figsize=(7, 5)) 
mean_tpr = 0.0 
mean_fpr = np.linspace(0, 1, 100) 
all_tpr = [] 

for i, (train, test) in enumerate(cv): 
    probas = SVC.fit(X_train2[train], y_train[train]).predict_proba(X_train2[test]) 
fpr, tpr, thresholds = roc_curve(y_train[test], probas[:, 1], pos_label=1) 
mean_tpr += interp(mean_fpr, fpr, tpr) 
mean_tpr[0] = 0.0 
roc_auc = auc(fpr, tpr) 
plt.plot(fpr, tpr, lw=1, label='ROC fold %d (area = %0.2f)'% (i+1, roc_auc)) 

以下是錯誤：

TypeError         Traceback (most recent call last) 
<ipython-input-163-3eea9731f8d5> in <module>() 
     1 from sklearn.svm import SVC 
     2 for i, (train, test) in enumerate(cv): 
----> 3  probas = SVC.fit(X_train2[train], y_train[train]).predict_proba(X_train2[test]) 
     4 fpr, tpr, thresholds = roc_curve(y_train[test], probas[:, 1], pos_label=1) 
     5 mean_tpr += interp(mean_fpr, fpr, tpr) 

TypeError: unbound method fit() must be called with SVC instance as first argument (got ndarray instance instead) 

新的錯誤：進行更改後，我得到了以下錯誤：

下面是代碼：

estimator= SVC(C=10) 
for i, (train, test) in enumerate(cv): 
    probas = estimator.fit(X_train2[train], y_train[train]).predict_proba(X_train2[test]) 
fpr, tpr, thresholds = roc_curve(y_train[test], probas[:, 1], pos_label=1) 
mean_tpr += interp(mean_fpr, fpr, tpr) 
mean_tpr[0] = 0.0 
roc_auc = auc(fpr, tpr) 
plt.plot(fpr, tpr, lw=1, label='ROC fold %d (area = %0.2f)'% (i+1, roc_auc)) 

這裏是錯誤：

AttributeError: predict_proba is not available when probability=False

Answer 1

您首先需要實例化支持向量Classificator：

svc = SVC() 
probas = SVC.fit(X_train2[train], y_train[train]).predict_proba(X_train2[test]) 

這將創建與default parameters一個classificator。

Answer 2

錯誤消息非常明確：「必須使用SVC實例作爲第一個參數調用fit（）」。

fit()是SVC類的一種方法。您需要先創建一個SVC類的實例，然後調用fit()它：

estimator = SVC(probability=True) 
probas = estimator.fit(X_train2[train], y_train[train]).predict_proba(X_train2[test])