ks（洛伦兹曲线）指标理解

KS(Kolmogorov-Smirnov)值越大，表示模型能够将正、负客户区分开的程度越大。KS值的取值范围是[0，1]

通常来讲，KS>0.2即表示模型有较好的预测准确性。

ks求解方法：

ks需要TPR和FPR两个值：真正类率(true positive rate ,TPR), 计算公式为TPR=TP/ (TP+ FN)，刻画的是分类器所识别出的正实例占所有正实例的比例。另外一个是假正类率(false positive rate, FPR),计算公式为FPR= FP / (FP + TN)，计算的是分类器错认为正类的负实例占所有负实例的比例。KS=max(TPR-FPR)。其中：

TP：真实为1且预测为1的数目

FN：真实为1且预测为0的数目
FP：真实为0的且预测为1的数目

TN：真实为0的且预测为0的数目

一句话概括：

KS曲线是两条线，其横轴是“阈值”（区间序号，按概率排序的等份），纵轴是TPR（上面那条）与FPR（下面那条）的值，值范围[0，1] 。两条曲线之间之间相距最远的地方对应的阈值，就是最能划分模型的阈值。

计算步骤：

1. 按照分类模型返回的概率升序排列，也可以直接是数据，根据某一阈值判断为1或0即可
2. 把0-1之间等分N份，等分点为阈值，计算TPR、FPR （可以将每一个都作为阈值）
3. 对TPR、FPR描点画图即可（以10%*k（k=1,2,3,…,9）为横坐标，分别以TPR和FPR的值为纵坐标，就可以画出两个曲线，这就是K-S曲线。）

KS值即为Max(TPR-FPR)

Python代码实现：

注意：以下代码只是为了让原理更通俗易懂，采用了非常简洁的实现方式（横轴按概率等分时直接用的阈值进行计算等分，实际上有更准确的方式（传送门:https://blog.csdn.net/sscc_learning/article/details/86707005?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_baidulandingword-2&spm=1001.2101.3001.4242））

#-*- coding:utf-8 -*-
#自己实现计算ks与调包
from sklearn.metrics import roc_curve
import matplotlib.pyplot as plt
import seaborn as sns
#%matplotlib inline
#%config InlineBackend.figure_format = 'retina'
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
sns.set(font='SimHei')  # 解决Seaborn中文显示问题class BinJianAna:def __init__(self):passdef ComuTF(self,lst1,lst2):#计算TPR和FPR   #lst1为真实值,lst2为预测值TP = sum([1 if a==b==1 else 0 for a,b in zip(lst1,lst2)])#正例被预测为正例FN = sum([1 if a==1 and b==0 else 0 for a,b in zip(lst1,lst2)])#正例被预测为反例TPR = TP/(TP+FN) TN = sum([1 if a==b==0 else 0 for a,b in zip(lst1,lst2)])#反例被预测为反例FP = sum([1 if a==0 and b==1 else 0 for a,b in zip(lst1,lst2)])#反例被预测为正例FPR = FP/(TN+FP)return TPR - FPRdef Getps_ks(self,real_data,data):#real_data为真实值，data为原数据d = []for i in data:pre_data = [1 if line >=i else 0 for line in data] #注意 此行的等分采用了非常简单的方式，实际有更准确的计算逻辑d.append(self.ComuTF(real_data,pre_data))return max(d),data[d.index(max(d))]def GetKS(self,y_test,y_pred_prob):'''功能: 计算KS值，输出对应分割点和累计分布函数曲线图输入值:y_pred_prob: 一维数组或series，代表模型得分（一般为预测正类的概率）y_test: 真实值，一维数组或series，代表真实的标签（{0,1}或{-1,1}）'''fpr,tpr,thresholds = roc_curve(y_test,y_pred_prob)ks = max(tpr-fpr)#画ROC曲线plt.plot([0,1],[0,1],'k--')plt.plot(fpr,tpr)plt.xlabel('False Positive Rate')plt.ylabel('True Positive Rate')plt.show()#画ks曲线plt.plot(tpr)plt.plot(fpr)plt.plot(tpr-fpr)plt.show()return fpr,tpr,thresholds,ksif __name__ == '__main__':a = BinJianAna()data = [790,22,345,543,564,342,344,666,789,123,231,234,235,347,234,237,178,198,567,222]#原始评分数据real_data = [1,1,1,1,1,1,0,0,0,1,1,0,0,1,1,0,0,1,1,0]y_pred_prob = [0.42,0.73,0.55,0.37,0.57,0.70,0.25,0.23,0.46,0.62,0.76,0.46,0.55,0.56,0.56,0.38,0.37,0.73,0.77,0.21]#以下只为演示如何调用方法，2种方法独立计算，数据之间无关联，因此得出的ks不一样print(a.Getps_ks(real_data,data))#自己实现print(a.GetKS(real_data,y_pred_prob))#代码实现

#参考博客：http://www.sohu.com/a/132667664_278472

如有错误的地方，请大家帮忙指正，多谢～

ks（洛伦兹曲线）指标理解相关推荐

分类评估指标之家族成员：ROC、AUC、Lift、Gain、Gini、KS、PR曲线、F1、洛伦兹曲线
关于AUC.KS评价指标.洛伦兹曲线.Gini系数.Lift曲线和Gain曲线.在别人的博客里看到下面的一个小故事: 故事是这样的(向善于总结的大佬致敬): 首先,混淆矩阵是个元老,年龄最大也资历 ...
AUC、KS评价指标、洛伦兹曲线、Gini系数、Lift曲线和Gain曲线
文章目录 1.AUC 1.1.混淆矩阵 1.2.ROC曲线 1.3.关于AUC值 2.KS评价指标 3.洛伦兹曲线 4.Gini系数 5.Lift曲线和Gain曲线 5.1.Lift曲线 5.2.Ga ...
泊松回归、gamma回归、Tweedie回归等广义线性回归模型GLM的评估指标：校准曲线、洛伦兹曲线、卡方检验、AIC、BIC、偏差（Deviance）指标
泊松回归.gamma回归.Tweedie回归等广义线性回归模型GLM的评估指标:校准曲线(Calibration curve). 洛伦兹曲线(Lorenz Curve).卡方检验.AIC.BIC.偏差 ...
我对洛伦兹曲线与GINI系数的一点看法
数据分析有时需要针对单变量进行数据描述,有时需要针对多变量之间的关系进行数据描述,洛伦兹曲线就是为描述多变量间关系而服务的.洛伦兹曲线即累计频数分布曲线,用于分析社会财富.土地.工资分配是否公平的问题 ...
洛伦兹曲线如何度量TCP公平性
洛伦兹曲线一般用来描述收入分配,但实际上收入分配只是一个case,所有涉及固定资源分配的case,都可以用洛伦兹曲线来描述,而基于洛伦兹曲线度量公平性的指标,便是基尼指数. 如何理解洛伦兹曲线呢?我给 ...
洛伦兹曲线看财富分配的公平性
读了篇自己很早以前的写的一篇文章,学到了不少,然而和最近的一些新想法相冲突,所以本文先抽象简化之前那篇,最后加上浙江温州那段,后面有时间再写关于多维填充导致的尺度不变性的解释,也就是幂律的终极根源. ...
洛伦茨曲线_什么叫洛伦兹曲线，什么叫基尼系数，我国的基尼系数偏大说明什么问题...
展开全部 1.洛伦兹曲线洛伦兹曲线(Lorenz curve),也译为"劳伦兹曲线".指在一个总体(国家.地区)内,以e69da5e6ba9062616964757a686964 ...
R语言建模收入不平等：分布函数拟合及洛伦兹曲线(Lorenz curve)
最近我们被客户要求撰写关于洛伦兹曲线的研究报告,包括一些图形和统计输出. 洛伦兹曲线来源于经济学,用于描述社会收入不均衡的现象.将收入降序排列,分别计算收入和人口的累积比例. 本文,我们研究收入和不平 ...
洛伦茨曲线半高全宽_洛伦兹曲线
洛伦兹曲线百科名片洛伦兹曲线(Lorenz curve),也译为"劳伦兹曲线".就是,在一个总体(国家.地区)内,以"最贫穷的人口计算起一直到最富有人口"的 ...
matlab做基尼曲线,计算基尼系数和matplotlib绘制洛伦兹曲线
基尼系数和洛伦兹曲线,在表示数据的不平均方面特别是财富的不平均上被广泛应用.但是目前在python里面并没有找到很好的可以直接绘制洛伦兹曲线的函数,由于目前项目用到,也就在实际应用中使用到,就把如何使 ...

ks（洛伦兹曲线）指标理解

ks（洛伦兹曲线）指标理解相关推荐

最新文章

热门文章