python决策树多分类代码_绘制决策树分类的多类ROC曲线
我试着用除SVC支持向量机在文档中提供了。我的代码对SVC支持向量机;但是,在我切换到KNeighborsClassifier、多项式nb和DecisionTreeClassifier之后,系统一直告诉我check_consistent_length(y_true, y_score)和{
这是我的密码import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from itertools import cycle
import sys
from sklearn import svm, datasets
from sklearn.metrics import roc_curve, auc
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import label_binarize
from sklearn.multiclass import OneVsRestClassifier
from scipy import interp
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import MultinomialNB
from sklearn.tree import DecisionTreeClassifier
# Import some data to play with
df = pd.read_csv("E:\\autodesk\\Hourly and weather categorized2.csv")
X =df[['TTI','Max TemperatureF','Mean TemperatureF','Min TemperatureF',' Min Humidity']].values
y = df['TTI_Category'].as_matrix()
y=y.reshape(-1,1)
# Binarize the output
y = label_binarize(y, classes=['Good','Bad'])
n_classes = y.shape[1]
# shuffle and split training and test sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.5,
random_state=0)
# Learn to predict each class against the other
classifier = OneVsRestClassifier(DecisionTreeClassifier(random_state=0))
y_score = classifier.fit(X_train, y_train).predict_proba(X_test)
# Compute ROC curve and ROC area for each class
fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(n_classes):
fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_score[:, i])
roc_auc[i] = auc(fpr[i], tpr[i])
# Compute micro-average ROC curve and ROC area
fpr["micro"], tpr["micro"], _ = roc_curve(y_test.ravel(), y_score.ravel())
roc_auc["micro"] = auc(fpr["micro"], tpr["micro"])
plt.figure()
lw = 1
plt.plot(fpr[0], tpr[0], color='darkorange', lw=lw, label='ROC curve (area = %0.2f)' % roc_auc[0])
plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic example')
plt.legend(loc="lower right")
plt.show()
我怀疑错误发生在fpr["micro"], tpr["micro"], _ = roc_curve(y_test.ravel(), y_score.ravel())
roc_auc["micro"] = auc(fpr["micro"], tpr["micro"])这一行,但我是ROC曲线的初学者,所以有人能帮我完成这个回溯。非常感谢您的时间和帮助。Here is another question regarding ROC curve from me
顺便说一句,这是全部的回溯。希望我的解释足够清楚。`在
^{pr2}$
python决策树多分类代码_绘制决策树分类的多类ROC曲线相关推荐
- Sklearn机器学习——ROC曲线、ROC曲线的绘制和AUC面积、运用ROC曲线找到最佳阈值
目录 1 ROC曲线 2 ROC曲线的绘制 2.1 Sklearn中的ROC曲线和AUC面积 2.2 利用ROC曲线找到最佳阈值 1 ROC曲线 上篇博客介绍了ROC曲线的概率和阈值还有SVM实现概率 ...
- 视频|分类模型评估:精确率、召回率、ROC曲线、AUC与R语言生存分析时间依赖性ROC实现
最近我们被客户要求撰写关于分类模型的研究报告,包括一些图形和统计输出. 本文将帮助您回答以下问题: ROC曲线是什么? 曲线下的面积是多少? 二元分类的决策阈值是多少? 分类模型可接受的 AUC值是多 ...
- python基于logistic回归模型的预测概率和标签信息可视化ROC曲线
python基于logistic回归模型的预测概率和标签信息可视化ROC曲线 目录 python基于logistic回归模型的预测概率和标签信息可视化ROC曲线
- python基于随机森林模型的预测概率和标签信息可视化ROC曲线
python基于随机森林模型的预测概率和标签信息可视化ROC曲线 目录 python基于随机森林模型的预测概率和标签信息可视化ROC曲线
- python决策树分类鸢尾花_基于决策树—鸢尾花分类
决策树算法广泛应用于:语音识别.医疗诊断.客户关系管理.模式识别.专家系统等,在实际工作中,必须根据数据类型的特点及数据集的大小,选择合适的算法. 本文选择经典案例--<鸢尾花分类> 一. ...
- 机器学习 文本分类 代码_无需担心机器学习-如何在少于10行代码中对文本进行分类
机器学习 文本分类 代码 This article builds upon my previous two articles where I share some tips on how to get ...
- svm多分类代码_跟我一起机器学习系列文章知识点与代码索引目录,持续更新…...
<跟我一起机器学习> 系列文章知识点与代码索引目录 0 环境配置 如何才能入门机器学习? 优雅的安装和使用Anaconda 使用Conda来进行环境的创建与管理 Pycharm安装与使用 ...
- python 文本分类卡方检验_中文文本分类:你需要了解的10项关键内容
文本分类指的是计算机通过算法对输入的文本按照一定的类目体系进行自动化归类的过程.在人工智能浪潮席卷全球的今天,文本分类技术已经被广泛地应用在文本审核.广告过滤.情感分析和反黄识别等NLP领域.本文从达 ...
- python回归算法预测数据_数据回归分类预测的基本算法及python实现
数据回归分类预测的基本算法及python实现 关于数据的回归和分类以及分析预测.讨论分析几种比较基础的算法,也可以算作是比较简单的机器学习算法. 一.KNN算法 邻近算法,可以用来做回归分析也可以用来 ...
最新文章
- 和晋叔吹B讨论业务驱动与架构演进
- asp语言与php语言的差别,用什么语言进行网页开发最好.php与asp语言的区别
- 【比赛】论如何七天内在研究生电子设计竞赛中拿国奖
- 思考一下消息中间件的设计
- 数码管流动显示(自己的单片机)
- 【深度学习系列】——深度学习简介
- java之yield(),sleep(),wait()区别详解-备忘笔记
- 可以用来做ppt的网页效果
- 亚马逊“不香了”,高管为何频繁离职?
- 基于SpringBoot的后台管理系统(Encache配置、全局异常处理(重点))(四)
- GetLogicalDrives,GetLogicalDriveStrings,GetDri...
- 线性代数 : 矩阵乘法和矩阵的逆
- ruby+watir 安装
- python写入TXT文件乱码,且utf-8无效
- 虚拟机创建centons
- 误传了数千年的几个名句
- Minecraft 命令方块:简易计时器
- 5. Django templates模板 (一)
- 从零开始学前端第十七讲--微信小程序开发入门
- 一个合格程序员的标准(转)
热门文章
- [转]busybox登陆后没要求输入密码的解决办法
- java中ssm付款代码_基于Java+SSM的网上订餐系统、基于JavaWeb的网上订餐系统
- 发的楷体怎么写_孩子作业实在写不完,父母该怎么办?我直接给老师发信息
- Android导航栏高斯模糊,iOS 顶部高斯模糊导航栏 + 页面内容穿越底部导航栏效果...
- HT for Web中3D流动效果的实现与应用
- 思科isis路由的优先级_【分享】超全!集成ISIS知识详解~
- Oracle ORA-06861: 文字与格式字符串不匹配 记录两次无助的遭遇:存储过程直接执行正常,java调用存储过程则报错
- TThread类详解转
- php数组如何插入,PHP如何在数组指定位置插入单元
- CSS完美兼容IE6/IE7/FF的通用方法 ~!!!