1. 小型分类模型对比，可以直接调用的

用一样的数据集做示例，简单地直接分别得到每个分类模型预测的结果。

from sklearn.datasets import load_breast_cancer
from sklearn import metrics
from sklearn.ensemble import RandomForestClassifier, ExtraTreesClassifier
from sklearn.model_selection import train_test_split
import pylab as plt
import warnings; warnings.filterwarnings('ignore')dataset = load_breast_cancer()
data = dataset.data
target = dataset.target
X_train, X_test, y_train, y_test = train_test_split(data,target,test_size=0.2)
# 模型1调用sklearn中的RandomForestClassifier
rf1 = RandomForestClassifier(n_estimators=5)
rf1.fit(X_train, y_train)
pred1 = rf1.predict_proba(X_test)[:,1]
# 模型2调用sklearn中的ExtraTreesClassifier
rf2 = ExtraTreesClassifier(n_estimators=5)
rf2.fit(X_train, y_train)
pred2 = rf2.predict_proba(X_test)[:,1]# 画图部分
fpr1, tpr1, threshold1 = metrics.roc_curve(y_test, pred1)       # <class 'numpy.ndarray'> <class 'numpy.ndarray'>
roc_auc1 = metrics.auc(fpr1, tpr1)fpr2, tpr2, threshold2 = metrics.roc_curve(y_test, pred2)       # <class 'numpy.ndarray'> <class 'numpy.ndarray'>
roc_auc2 = metrics.auc(fpr2, tpr2)plt.figure(figsize=(6,6))
plt.title('Validation ROC')
plt.plot(fpr1, tpr1, 'b', label = 'RandomForestClassifier AUC = %0.3f' % roc_auc1)
plt.plot(fpr2, tpr2, 'b', label = 'ExtraTreesClassifier AUC = %0.3f' % roc_auc2)
plt.legend(loc = 'lower right')
plt.plot([0, 1], [0, 1],'r--')
plt.xlim([0, 1])
plt.ylim([0, 1])
plt.ylabel('True Positive Rate')
plt.xlabel('False Positive Rate')
plt.savefig("filename.png")
plt.show()
plt.close()

2. 大型的CNN模型，无法直接得到结果。

2.1 先分别运行每个分类模型，将预测的结果存入csv文件中。

from sklearn.datasets import load_breast_cancer
from sklearn import metrics
from sklearn.ensemble import RandomForestClassifier, ExtraTreesClassifier
from sklearn.model_selection import train_test_split
import pylab as plt
import warnings; warnings.filterwarnings('ignore')
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression   #线性回归
import csvdataset = load_breast_cancer()
data = dataset.data
target = dataset.target
X_train, X_test, y_train, y_test = train_test_split(data,target,test_size=0.2)
rf1 = RandomForestClassifier(n_estimators=5)
rf1.fit(X_train, y_train)
pred1 = rf1.predict_proba(X_test)[:,1]dataframe = pd.DataFrame({'label':y_test,'pred':pred1})
dataframe.to_csv("test1.csv",index=False,sep=',')rf2 = ExtraTreesClassifier(n_estimators=5)
rf2.fit(X_train, y_train)
pred2 = rf2.predict_proba(X_test)[:,1]dataframe = pd.DataFrame({'label':y_test,'pred':pred2})
dataframe.to_csv("test2.csv",index=False,sep=',')

2.2 从csv文件读取每个模型的预测结果，绘制AUC曲线

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, aucdef Draw_ROC(file1,file2):'''这里注意读取csv的编码方式，如果csv里有中文，在windows系统上可以直接用encoding='ANSI'，但是到了Mac或者Linux系统上会报错：`LookupError: unknown encoding: ansi`。解决方法：1. 可以改成encoding='gbk'；2. 或者把csv文件里的列名改成英文，就不用选择encoding的方式了。'''data1=pd.read_csv(file1, encoding='ANSI')data1=pd.DataFrame(data1)data2=pd.read_csv(file2, encoding='ANSI')data2=pd.DataFrame(data2)print(list(data1['label']), list(data1['pred']))print(list(data2['label']), list(data2['pred']))fpr_CSNN,tpr_CSNN,thresholds=roc_curve(list(data1['label']),list(data1['pred']))roc_auc_CSSSNN=auc(fpr_CSNN,tpr_CSNN)fpr_NN,tpr_NN,thresholds=roc_curve(list(data2['label']),list(data2['pred']))roc_auc_DL=auc(fpr_NN,tpr_NN)font = {'family': 'Times New Roman','size': 12,}'''这里很多电脑上也许默认是'DejaVu Sans'格式，但是在写论文时，往往需要'Times New Roman'格式，可以参考[这篇教程](https://blog.csdn.net/weixin_43543177/article/details/109723328)'''sns.set(font_scale=1.2)plt.rc('font',family='Times New Roman')plt.plot(fpr_NN,tpr_NN,'purple',label='NN_AUC = %0.2f'% roc_auc_DL)plt.plot(fpr_CSNN,tpr_CSNN,'blue',label='CSNN_AUC = %0.2f'% roc_auc_CSSSNN)plt.legend(loc='lower right',fontsize = 12)plt.plot([0,1],[0,1],'r--')plt.ylabel('True Positive Rate',fontsize = 14)plt.xlabel('Flase Positive Rate',fontsize = 14)plt.show()if __name__=="__main__":Draw_ROC('./test1.csv','./test2.csv')

计算机视觉——python在一张图中画多条ROC线相关推荐

python在一张图上画多个线条
python 在一张图上画多个roc ptyon在一张图上添加图例 python将多个roc曲线画到一张图上说明我写了一个画图函数,这个函数可以画很多图在一个图上: 可以自由的确定画图个数调用 ...
R语言可视化包ggplot2在一张图中画出两条线实战
R语言可视化包ggplot2在一张图中画出两条线实战目录 R语言可视化包ggplot2在一张图中画出两条线实战
R语言ggplot2可视化、在一张图中画出两条曲线（two lines in same ggplot2 graph）、使用pdf函数将ggplot2可视化图像保存到指定目录的pdf格式文件中
R语言ggplot2可视化.在一张图中画出两条曲线(two lines in same ggplot2 graph).使用pdf函数将ggplot2可视化图像保存到指定目录的pdf格式文件中目录
origin如何在一张图中画多种线
origin如何在一张图中画多种线 1.选中第一条线的数据后,绘图右键单击空白处 2.新建后,右键单击图层2 选择图层内容首先选中所需数据,然后绘制
MATLAB中利用cftool导出代码实现一张图中拟合多条平滑曲线
MATLAB中自带的cftool拟合工具箱不能将多条曲线同时画在同一副图中,而常规的plot()函数又不能拟合平滑直线,接下来总结一种可以利用cftool导出的代码,在一张图中拟合多条平滑曲线. 首先 ...
R语言使用pROC包在同一图中绘制两条ROC曲线并通过假设检验检验ROC曲线的AUC或者偏AUC的差异（输出p值）
R语言使用pROC包在同一图中绘制两条ROC曲线并通过假设检验检验ROC曲线的AUC或者偏AUC的差异(输出p值) 目录
matlab在一张图上画两条折线图,excel2013怎么在一张曲线图上绘制多条曲线?
office软件每年的更新速度很快,虽然更新后的版本肯定能够实现更新前的功能,但是由于版式方面的改进,使得使用者初次使用时不是特别得心应手.下面重点讲述一下,如何利用excel2013在同一张图中做多 ...
Matlab在一张图上画多条曲线或分别画
1.在plot曲线时,有时想在一张图上重合画多条曲线,我们只需要在画图命令之前加上hold on就好,比如: t = 1:0.1:10: y1 = sin(2*pi*t); y1 = cos(2*pi ...
python在图中画一条垂直线（matplotlib）
matplotlib.pyplot.axvline https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.axvline.html?h ...

计算机视觉——python在一张图中画多条ROC线

计算机视觉——python在一张图中绘制多个模型的对比ROC线

1. 小型分类模型对比，可以直接调用的

2. 大型的CNN模型，无法直接得到结果。

2.1 先分别运行每个分类模型，将预测的结果存入csv文件中。

2.2 从csv文件读取每个模型的预测结果，绘制AUC曲线

计算机视觉——python在一张图中画多条ROC线相关推荐

最新文章

热门文章