datawhale-动手学数据分析task5笔记

datawhale-动手学数据分析task5笔记

模型搭建和评估--建模

模型搭建前的准备

  1. 引入所需的库与数据。

  2. 对数据进行特征工程：从原始数据中提取有用的特征，以便机器学习算法能够更有效地进行学习和预测。

  3. 数据集导致模型在拟合数据时发生变化的常见差异：

    • 特征差异

    • 样本数量与分布差异

    • 噪声与异常值

    • 目标变量差异

    • 数据划分差异

    • 时间序列数据的时序差异

    • 数据预处理与清洗

模型搭建

sklearn的算法选择路径图：
sklearn

切割训练集和测试集

  1. 划分数据集的方法：

    • 简单随机抽样（Simple Random Sampling）：

      从总体中随机选择样本，每个样本被选中的概率是相等的。
      适用于没有先验知识或特定结构的数据集。

    • 分层抽样（Stratified Sampling）：

      根据某个或多个特征将数据分成不同的层或子集，然后从每层中随机抽取样本。
      常用于确保每个类别的样本在训练集、验证集和测试集中都有合适的比例。

    • 时间序列划分：

      对于时间序列数据，通常按照时间顺序划分数据集，如使用前80%的数据作为训练集，接下来的10%作为验证集，最后的10%作为测试集。
      这种划分方式有助于保持数据的时间依赖性，并防止未来数据泄露到训练集中。

    • K折交叉验证（K-fold Cross-validation）：

      将数据集分成K个不相交的子集，每次使用K-1个子集作为训练集，剩下的一个子集作为验证集。
      这个过程重复K次，每次使用不同的子集作为验证集。
      最后，对K次验证的结果取平均值，得到模型的性能估计。

    • 留出法（Hold-out）：

      将数据集随机划分为两个互斥的子集，一个作为训练集，另一个作为测试集。
      训练集用于训练模型，测试集用于评估模型的性能。
      这种方法简单且易于实现，但可能由于随机性导致性能评估的不稳定。

    • 自助法（Bootstrapping）：

      采用有放回的随机抽样方式从原始数据集中抽取样本形成训练集，剩余的样本作为测试集。
      由于是有放回的抽样，自助法允许同一个样本在训练集中出现多次，或在训练集和测试集中同时出现。
      自助法产生的数据集改变了原始数据集的分布，因此在估计模型误差时可能引入偏差。

  2. 分层抽样法的优点：

    • 可以保持比例的代表性。

    • 使得样本分布更加均匀，提高估计的精度。

    • 确保每个类别在样本中都有足够的代表，可以减少抽样的误差。

  3. 随机抽样或分层抽样切割数据集的方法：train_test_split()。

    '''
参数说明：
- train_data是所要划分的样本特征集
- train_target是所要划分的样本结果
- test_size=[0,1]/int，样本占比，如果是整数的话就是样本的数量，None时默认0.25
- train_size，同上，test_size可替代，None时默认0.75
- random_state=int/None，随机数种子，不同随机数种子划分的结果不同，None时每次种子随机
- shuffle=Bool，如果True则会先将数据打乱顺序然后再进行划分
- stratify=list/None，保持split前类的分布，也就是分层抽样的分层依据，如果想要依据train_target分类，可直接使stratify=train_target，None时随机抽样
'''

# 以下有具体值的为默认值
from sklearn.model_selection import train_test_split
x_train,x_test, y_train,y_test = train_test_split(train_data, train_target, test_size=None, train_size=None, random_state=None, shuffle=True, stratify=None)

  4. 不用进行随机选取情况：

    • 时间序列数据：随机打乱数据会破坏数据的时间依赖性和顺序性。

    • 特定顺序的数据：有些数据项之间可能存在特定的逻辑或物理顺序，例如图像中的连续帧。

    • 类别分布不平衡的数据：不同类别的样本数量差距可能很大，直接随机选取会导致某些类别样本在数据集中过少或过多。

    • 有特定结构的数据：数据可能具有特定的结构或模型，例如社交网络中的图或网络。

模型创建

Logistic Regression

  1. 逻辑回归(Logistic Regression)模型是线性模型的分类模型，不是回归模型，与LinearRegression混淆。

  2. Logistic Regression通过建立概率模型，将线性回归的输出结果通过逻辑函数(通常是sigmoid函数)转换为概率形式，从而进行分类预测（解决二分类问题）。

  3. 创建基于线性模型的分类模型（逻辑回归）的流程：

    # 引入LogisticRegression类
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score  

# 划分数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y)

# 创建LogisticRegression类的示例(以下为默认参数)
logreg = LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
                            intercept_scaling=1, l1_ratio=None, max_iter=100,
                            multi_class='auto', n_jobs=None, penalty='l2',
                            random_state=None, solver='lbfgs', tol=0.0001, verbose=0,
                            warm_start=False)

# 拟合模型
logreg.fit(x_train, y_train)

# 预测与评估准确度
y_pred = logreg.predict(y_test)
accuracy = accuracy_score(y_test, y_pred)

logreg.score(x_test, y_test) # 评测数据与标签，y是y_test的教师标签

  4. LogisticRegression类的参数说明：

    h13

    h14

Decision Tree Classifier

  1. 分类决策树(DecisionTreeClassifier)是一种预测模型，主要用于解决分类问题，是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一个类别，基于这样的结构，根据样本的属性值进行逐步测试，最终将样本划分到某个叶节点，即某个类别中。

  2. 创建分类决策树的流程：

    # 引入DecisionTreeClassifier类
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score  

# 划分数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y)

# 创建DecisionTreeClassifier类的示例(以下为默认参数)
clf = DecisionTreeClassifier(criterion='gini', splitter='best', max_depth=None,
                            min_samples_split=2, min_samples_leaf=1, 
                            min_weight_fraction_leaf=0.0, max_features=None, random_state=None,     
                            max_leaf_nodes=None, min_impurity_decrease=0.0, class_weight=None, 
                            ccp_alpha=0.0, monotonic_cst=None)

# 拟合模型
clf.fit(x_train, y_train)

# 预测与评估准确度
y_pred = clf.predict(y_test)
accuracy = accuracy_score(y_test, y_pred)

clf.score(x_test, y_test) # 评测数据与标签，y是y_test的教师标签

  3. DecisionTreeClassifier类的参数说明：

    参数 类型 描述
    criterion 可选值为'gini'或'entropy', default='gini' 特征选择标准，默认'gini'即CART算法。
    splitter 可选值为'best'或'random', default='best' 用于在每个节点选择划分特征的算法。'best'表示在全局选择最优划分，'random'表示随机局部选择最优划分。
    max_depth int, default=None 树的最大深度。如果为None，则树会生长到所有叶子都是纯的，或者直到所有叶子包含少于min_samples_split的样本。
    min_samples_split int or float, default=2 拆分内部节点所需的最小样本数。如果是float，则表示的是占训练集样本总数的比例。
    min_samples_leaf int or float, default=1 一个叶子节点必须具有的最小样本数。如果是float，则它表示的是占训练集样本总数的比例。
    min_weight_fraction_leaf float, default=0.0 最小样本权重和，如果小于则会和兄弟节点一起被剪枝，这个参数用于处理带权重的样本。
    max_features int, float, string or None, default=None 考虑用于查找最佳划分的特征数量。如果是int，则随机考虑max_features个特征；如果是float，则max_features是特征总数的比例；如果是'sqrt'，则max_features=sqrt(n_features)；如果是'log2'，则max_features=log2(n_features)；如果是None，则max_features=n_features。
    random_state int, RandomState instance or None, default=None 控制随机性的参数。对于splitter='random'时尤为重要。
    max_leaf_nodes int or None, default=None 最大叶子节点数。如果为None，则不限制叶子节点的数量。
    min_impurity_decrease float, default=0.0 如果一个分割点导致的不纯度减少小于这个值，则该分割点不会被考虑。
    class_weight dict, list of dict or "balanced", default=None 类别权重。如果为None，则所有类别的权重相等。如果为'balanced'，则类别权重与类频率成反比。也可以提供一个字典，指定每个类别的权重。
    ccp_alpha float, default=0.0 复杂度参数用于最小成本-复杂度剪枝。增加此参数的值会导致树更早停止生长。
    monotonic_cst list of bools or None, default=None 如果给出，布尔值的列表，其长度等于类的数量，表示是否应该强制决策树为单调的。请注意，单调性仅适用于单变量分割的决策树。
Random Forest Classifier

  1. 分类随机森林(RandomForestClassifier)是一种集成学习方法，基于构建并结合多个决策树来提高模型的预测性能。随机森林通过随机有放回地抽取数据样本集来训练多个决策树，并且每个决策树在构建过程中也随机抽取特征进行划分。

  2. 创建分类随机森林的流程：

    # 引入RandomForestClassifier类
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score  

# 划分数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y)

# 创建RandomForestClassifier类的示例(以下为默认参数)
clf = RandomForestClassifier(n_estimators=100, criterion='gini', max_depth=None,
                            min_samples_split=2, min_samples_leaf=1,min_weight_fraction_leaf=0.0, 
                            max_features='sqrt', max_leaf_nodes=None, min_impurity_decrease=0.0,
                            bootstrap=True, oob_score=False, n_jobs=None, random_state=None, 
                            verbose=0, warm_start=False, class_weight=None, ccp_alpha=0.0, 
                            max_samples=None, monotonic_cst=None)

# 拟合模型
clf.fit(x_train, y_train)

# 预测与评估准确度
y_pred = clf.predict(y_test)
accuracy = accuracy_score(y_test, y_pred)

clf.score(x_test, y_test) # 评测数据与标签，y是y_test的教师标签

  3. RandomForestClassifier类的参数说明：

    参数名称 参数类型 描述
    n_estimators int, optional default=100 随机森林里的树木数量。
    criterion 可选值为"gini" 或 "entropy"， str, optional default='gini' 用于测量分裂质量的函数。
    max_depth int or None, optional default=None 树的最大深度。如果为 None，则节点将展开直到所有叶子都是纯净的或者直到所有叶子包含少于 min_samples_split 的样本。
    min_samples_split int or float, optional default=2 分裂内部节点所需的最小样本数。
    min_samples_leaf int or float, optional default=1 一个叶节点应该具有的最小样本数。
    min_weight_fraction_leaf float, optional default=0.0 在叶子节点所有输入样本权重总和中的最小权重分数。
    max_features str, int or None, optional default='sqrt' 寻找最佳分裂时要考虑的特征数量。
    max_leaf_nodes int or None, optional default=None 最大叶节点数量。
    min_impurity_decrease float, optional default=0.0 如果这种分裂导致不纯度的减少大于或等于此值，则节点将被分裂。
    bootstrap bool, optional default=True 是否在构建树时使用自助法样本。
    oob_score bool, optional default=False 是否使用袋外样本来估计泛化误差。
    n_jobs int or None, optional default=None 用于运行的并行运行的线程数。如果为 -1，则使用所有可用的处理器。
    random_state int, RandomState instance or None, optional default=None 控制随机性的参数。
    verbose int, optional default=0 控制建树过程的日志输出的详细程度。
    warm_start bool, optional default=False 当设置为 True 时，重用解决方案的上一次调用的解作为初始化，否则，只需擦除之前的解决方案。
    class_weight dict, list of dict or "balanced", optional default=None 指定类别的权重。
    ccp_alpha non-negative float, optional default=0.0 复杂度参数用来最小化损失函数的正则化项。
    max_samples int or float, optional default=None 如果 bootstrap 为 True，则这是从 X 中抽取样本以构建每个基础学习器的样本数。
    monotonic_cst list of lists or array-like or None, optional default=None 约束树中的每个特征的单调性。

输出模型预测结果

  1. .predict()方法可以输出预测标签。

  2. .predict_proba()可以输出标签概率。
    predict_proba(X) 方法会返回一个数组，其形状为 (n_samples, n_classes)，其中 n_samples 是输入样本的数量，n_classes 是目标变量的类别数。数组的每一个元素 [i, j] 表示第 i 个样本属于第 j 个类别的概率。

  3. 预测标签的概率可以用来调整阈值、估计不确定性、校准概率、指定调整决策等。

模型评估

模型评估的三种方法

  1. 模型评估是为了知道模型的泛化能力。

  2. 机器学习和数据科学中用于评估分类模型性能的三种工具方法：交叉验证、混淆矩阵和ROC曲线。

交叉验证

  1. 交叉验证（cross-validation）是一种评估泛化性能的统计学方法，它比单次划分训练集和测试集的方法更加稳定、全面，主要用于防止模型过拟合。

  2. 交叉验证法的常见形式：

    • 简单交叉验证（Hold-out Cross-validation）：
      将数据集分为训练集和测试集两部分。
      使用训练集训练模型，并在测试集上评估其性能。
      这种方法的优点是简单，但缺点是可能由于数据划分的随机性导致评估结果的不稳定。

    • K折交叉验证（K-fold Cross-validation）：
      将数据集分成K个大小相等的子集（或尽可能相等）。
      每次选择K-1个子集作为训练集，剩下的一个子集作为验证集。
      进行K次迭代，每次使用不同的子集作为验证集。
      计算K次迭代的平均性能作为模型的最终评估结果。
      这种方法的优点是评估结果较为稳定，能够充分利用数据集进行训练和验证。

      h15

    • 留一交叉验证（Leave-one-out Cross-validation）：
      当数据集非常小时，可以使用留一交叉验证。
      每次选择一个样本作为验证集，其余样本作为训练集。
      对于数据集中的每个样本都进行这样的操作，最终计算所有迭代的平均性能。
      这种方法的优点是评估结果非常稳定，但由于每次迭代只使用一个样本作为验证集，所以计算成本较高。

    • 分层交叉验证（Stratified Cross-validation）：
      当数据集中各类别的样本数量不平衡时，可以使用分层交叉验证。
      在划分数据集时，确保每个子集中各类别的样本比例与原始数据集中的比例相同。
      这有助于避免由于类别不平衡导致的评估偏差。

    • 时间序列交叉验证（Time-series Cross-validation）：
      适用于时间序列数据，其中数据的顺序非常重要。
      将数据按照时间顺序划分成多个子集，并确保训练集总是在验证集之前。
      这种方法有助于评估模型在时间序列预测任务中的性能。

  3. k-交叉验证的示例：

    # 引入cross_val_score函数
from sklearn.model_seleciton import cross_val_score

from sklearn.linear_model import LogisticRegression

# 划分数据集并处理模型
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y)

logreg = LogisticRegression()

# 10折交叉验证(以下为默认参数)
score = cross_val_score(logreg, x_train, y_train, cv=None, groups=None, scoring=None, n_jobs=None, verbose=0, fit_params=None, params=None, pre_dispatch='2*n_jobs', error_score=nan)

# k折交叉验证分数
print(f"score:{score}")

# 平均交叉验证分数
print("Average cross-validation score: {:.2f}".format(scores.mean()))

  4. cross_val_score()参数说明：

    参数 类型 描述
    estimator object 要进行交叉验证的估计器(模型)对象，必须实现了fit和predict方法（对于分类问题）或predict_proba方法（对于概率估计）。
    X array-like 输入数据的特征矩阵，形状为(n_samples, n_features)。
    y array-like, optional 目标变量的数组，形状为(n_samples,)或(n_samples, n_outputs)。
    groups array-like, optional 数组，形状为(n_samples,)，用于将数据集分割成训练集和测试集。如果提供了这个参数，则cv必须是能够处理组信息的交叉验证迭代器，例如GroupKFold或LeaveOneGroupOut。
    scoring str, callable, list/tuple, dict or None, optional default=None 用于评估模型性能的评分方法。可以是一个字符串（如'accuracy'、'f1'、'roc_auc'等，对应于sklearn.metrics中的评分函数），也可以是一个评分函数。如果为None，则默认使用估计器的(以下为默认参数)edKFold`等）；还可以是一个可迭代对象，产生训练/测试索引。
    cv int, cross-validation generator or an iterable, optional default=None 确定交叉验证策略的参数。可以是整数，表示折叠数（如cv=5表示5折交叉验证）；也可以是一个交叉验证迭代器（如KFold, StratifiedKFold等）；还可以是一个可迭代对象，产生训练/测试索引。
    n_jobs int or None, optional default=None 用于并行运行的作业数。如果为-1，则使用所有可用的处理器。如果为None，则不并行运行。
    verbose int, optional default=0 控制日志输出的详细程度。
    fit_params dict, optional default=None 传递给估计器fit方法的额外参数。
    params dict or None, optional default=None 传递给估计器的参数。如果为None，则使用估计器的默认参数。
    pre_dispatch int, str or 'all', optional default='2*n_jobs' 控制并行计算中的作业调度策略。整数表示要预分派的作业数；字符串'all'表示使用所有可用的处理器。
    error_score 'raise' or numeric, optional default=np.nan 如果在拟合估计器时发生错误，则返回的值。如果设置为'raise'，则会引发错误。如果设置为一个数值，则会用该数值作为分数。

  5. 不需要显示拟合模型.fit()，因为在交叉验证中会自动拟合模型。

  6. K值越多，意味着每次用于训练和验证的数据子集越小，同时验证的次数也越多，当k折越多时的影响：

    • 模型评估的稳定性增加

    • 计算量增加

    • 过拟合风险减小

    • 超参数选择更精确

混淆矩阵

  1. 混淆矩阵（Confusion Matrix）也被称为误差矩阵，是一种特定的表格，用来呈现算法性能的可视化效果，通常用于监督学习（非监督学习，通常叫做聚类）。混淆矩阵的每一列代表了预测类别，每一行代表了数据的真实归属类别。主要用于模型的精度评估，不仅可以判断分类器的好坏，还可以做一些性能评估，比如敏感度、特异度、准确率和召回率等。

  2. 混淆矩阵的四个基本元素：

    • 真正例（True Positive, TP）：实际为正例，且被分类器划分为正例的样本数。
    • 假正例（False Positive, FP）：实际为负例，但被分类器划分为正例的样本数。
    • 假负例（False Negative, FN）：实际为正例，但被分类器划分为负例的样本数。
    • 真负例（True Negative, TN）：实际为负例，且被分类器划分为负例的样本数。

  3. 准确率（Accuracy）、精确率（Precision）、召回率（Recall）和F-分数（F-score）是分类任务中常用的评估指标，它们可以帮助我们全面评估分类模型的性能。

    • 准确率：
      准确率是指模型正确分类的样本数与总样本数之比。

      \(Accuracy = \dfrac{TP + TN}{TP + FP + FN + TN}\)

      准确率越高，说明模型预测正确的比例越大。

    • 精确率：
      精确率是指模型预测为正例的样本中真正为正例的比例。

      \(Precision = \dfrac{TP}{TP + FP}\)

      精确率越高，说明模型预测为正样本的实例中，错误预测的比例越低。

    • 召回率
      召回率是指实际为正例的样本中被模型正确识别为正例的比例。

      \(Recall = \dfrac{TP}{TP + FN}\)

      召回率越高，说明模型能够找到更多的正样本，减少漏报的情况。

    • f-分数
      F-分数是准确率和召回率的调和平均值，用于综合评估模型的性能。

      $F-score = \dfrac{2 * precision * recall}{precision + recall} $

      F-分数越高，说明模型在精确率和召回率之间达到了较好的平衡。

  4. 二分类问题的混淆矩阵（Confusion Matrix for Binary Classification）是一个2x2的表格，用于展示二分类问题中分类器对正样本（Positive）和负样本（Negative）的预测结果与实际标签之间的对比。

    h16

  5. 二分类混淆矩阵的使用示例：

    # 引入confusion_matrix类
from sklearn.metrics import confusion_matrix

from sklearn.linear_model import LogisticRegression

# 划分数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y)

# 创建LogisticRegression类的示例
logreg = LogisticRegression()

# 拟合模型并预测
logreg.fit(x_train, y_train)
y_pred = logreg.predict(x_test)

# 混淆矩阵计算与结果输出
cm = confusion_matrix(y_pred, y_test, labels=None, sample_weight=None, normalize=None)

print(f"confusion-matrix:{cm}")

TP = cm[0][0]  # 真正例  
FP = cm[0][1]  # 假正例  
FN = cm[1][0]  # 假负例  
TN = cm[1][1]  # 真负例  

accuracy = (TP + TN) / (TP + FP + FN + TN)  
precision = TP / (TP + FP)  
recall = TP / (TP + FN)  
f1_score = 2 * (precision * recall) / (precision + recall)  

print(f"准确率: {accuracy:.2f}")  
print(f"精确率: {precision:.2f}")  
print(f"召回率: {recall:.2f}")  
print(f"F1分数: {f1_score:.2f}")

  6. confusion_matrix()参数说明：

    参数名称 类型 说明
    y_true array-like of shape (n_samples,) 真实的目标值。
    y_pred array-like of shape (n_samples,) 预测的目标值。
    labels array-like of shape (n_classes) default=None 用于索引混淆矩阵的标签列表。这可以用来指定标签的顺序，或者包括在y_true或y_pred中未出现的标签。
    sample_weight array-like of shape (n_samples,) default=None 样本权重。
    normalize {'true', 'pred', 'all'} default=None 归一化方式。如果true，则返回的混淆矩阵的行将被归一化，以显示每个标签的真正例率。如果pred，则返回的混淆矩阵的列将被归一化，以显示每个标签的预测正例率。如果all，则返回的混淆矩阵的行和列都将被归一化。如果None，则返回的混淆矩阵将不会进行归一化。
ROC曲线

  1. ROC曲线，全称接收者操作特征曲线（Receiver Operating Characteristic），是一种用于评估分类模型性能的工具。它以假阳性率（False Positive Rate，FPR）为横轴，真阳性率（True Positive Rate，TPR）为纵轴。在ROC曲线图像中，对角线代表随机猜测模型的预测表现。ROC曲线越靠近左上角，分类模型的性能越好。通过比较ROC曲线下方的面积，即AUC值（Area Under Curve），可以确定模型的准确性。

  2. ROC曲线的意义：

    • 模型性能的全局评估：ROC曲线提供了一个全局的视角来评估模型的性能，而不仅仅是依赖于单个阈值下的评估指标。通过查看曲线在不同阈值下的表现，可以全面了解模型在不同分类边界下的性能。

    • 模型性能的可视化：ROC曲线将模型的性能以图形化的方式展示出来，使得评估结果更加直观易懂。通过比较不同模型的ROC曲线，可以清晰地看出哪个模型在整体上具有更好的性能。

    • 模型间的比较：在多个模型之间进行比较时，ROC曲线可以作为一个统一的度量标准。通过计算曲线下面积（AUC值），可以对不同模型的性能进行定量比较，从而选择出最优的模型。

    • 处理不平衡数据集：在处理不平衡数据集时，ROC曲线和AUC值通常比准确率等其他指标更加稳健。这是因为ROC曲线关注的是模型在正负样本上的分类性能，而不是整体的正确率，因此对于正负样本比例差异较大的情况，ROC曲线能够提供更准确的性能评估。

  3. ROC曲线的使用示例：

    # 引入roc_curve类
from sklearn.metrics import roc_curve, auc

from sklearn.linear_model import LogisticRegression

# 划分数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y)

# 创建LogisticRegression类的示例
logreg = LogisticRegression()

# 拟合模型并预测获取概率
logreg.fit(x_train, y_train)
y_score = logreg.decision_function(x_test)

# 计算ROC曲线  
fpr, tpr, thresholds = roc_curve(y_test, y_score, pos_label=None, sample_weight=None, drop_intermediate=True)  

# 计算AUC值  
roc_auc = metrics.auc(fpr, tpr)  

# 绘制ROC曲线  
plt.plot(fpr, tpr, label="ROC Curve")
plt.xlabel("FPR")
plt.ylabel("TPR (recall)")
plt.legend(loc=4)

  4. roc_curve()函数参数说明：

    参数名称 类型 说明
    y_true array-like, shape = (n_samples,) 真实的标签，通常是二分类的0和1。
    y_score array-like, shape = (n_samples,) 模型为每个样本预测的正类概率或决策函数值。
    pos_label str or int, default=None 正类的标签。如果None，则正类将被假定为1（尽管在二分类中y_true通常只包含0和1）。
    sample_weight array-like of shape (n_samples,), optional 样本权重。
    drop_intermediate bool, optional default=True 是否删除一些不会导致阈值更改的中间阈值，这将导致ROC曲线更少折点，从而更平滑。默认为True。

  5. 在进行多类别的ROC曲线计算中两两一组并选择其中一个为正类 对每个类别进行ROC计算。

posted @ 2024-03-21 20:00  LPF05  阅读(36)  评论(0)  编辑  收藏  举报