R：xgboost情節ROC曲線

要繪製ROC曲線：R：xgboost情節ROC曲線

library(ROCR) 
<data cleaning/scrubbing> 
<train data> 
..... 
..... 
rf.perf = performance(rf.prediction, "tpr", "fpr") #for RF 
logit.perf = performance (logit.prediction, "tpr", "fpr") #for logistic reg 
tree.perf = performance(tree.prediction, "tpr", "fpr") #for cart tree 
... 
plot(re.perf) #a RF roc curve

如果我想運行一個xgboost分類，然後繪製ROC：目標= 「二進制：物流」

我很困惑與xgboost的參數指標「auc」（頁碼9的CRAN manual），它表示區域。如何用tpr和fpr繪製曲線進行模型比較？

我試過搜索網和github，最重視功能重要性圖（對於xgboost）。

感謝

來源

2015-11-04 beavis11111

只是爲了澄清，該AUC是面積UND呃接收者操作符曲線（ROC）的曲線。這是0-1之間的度量。對我而言，你所問的問題並不完全清楚。我猜你只是想繪製中華民國，但這樣做有困難？也許包括一個[可重現的例子]（http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example），這可能有所幫助。 – BlankUsername

讓我先說說ROC曲線

ROC曲線是通過繪製反對各種閾值設置的假陽性率（FPR）真陽性率（TPR）創建的。

在Python中可以很容易地做到爲：

from sklearn import metrics 
def buildROC(target_test,test_preds): 
    fpr, tpr, threshold = metrics.roc_curve(target_test, test_preds) 
    roc_auc = metrics.auc(fpr, tpr) 
    plt.title('Receiver Operating Characteristic') 
    plt.plot(fpr, tpr, 'b', label = 'AUC = %0.2f' % roc_auc) 
    plt.legend(loc = 'lower right') 
    plt.plot([0, 1], [0, 1],'r--') 
    plt.ylabel('True Positive Rate') 
    plt.xlabel('False Positive Rate') 
    plt.gcf().savefig('roc.png')

enter image description here

例如，在上圖中，在一定的閾值，並以假陽性率0.2的成本，我們可以得到真陽性近0.96 - 0.97

A good documentation on ROC

來源

2017-09-01 09:36:17

R：xgboost情節ROC曲線

回答

相關問題