python 模型 欺诈概率_python信用卡欺诈模型,最大似然参数设置/混淆矩阵
#定义画混淆矩阵的函数
def plot_confusion_matrix(cm, classes,title='Confusion
matrix',cmap=plt.cm.Blues):
"""
This function prints and
plots the confusion matrix.
"""
plt.imshow(cm,
interpolation='nearest', cmap=cmap)
plt.title(title)
plt.colorbar()
tick_marks =
np.arange(len(classes))
plt.xticks(tick_marks,
classes, rotation=0)
plt.yticks(tick_marks,
classes)
thresh = cm.max() / 2
for i, j in
itertools.product(range(cm.shape[0]),
range(cm.shape[1])):
plt.text(j, i, cm[i, j],
horizontalalignment="center", color="white" if cm[i, j]
> thresh else "black")
plt.tight_layout()
plt.ylabel('True label')
plt.xlabel('Predicted label')
#引入数据库
import itertools
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm, datasets
from sklearn.model_selection import
train_test_split
from sklearn.metrics import confusion_matrix
#引入数据库
#混淆矩阵
lr=LogisticRegression(C=0.01,penalty='l1')
lr.fit(X_train_undersample,y_train_undersample.values.ravel())
y_pred_undersample_proba=lr.predict_proba(X_test_undersample.values)
#这里改成计算结果的概率值
# 指定阈值
thresholds =
[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9]
plt.figure(figsize=(10,10))
# 将预测的概率值与阈值进行对比
j=1
for i in thresholds:
y_test_predictions_high_recall = y_pred_undersample_proba[:,1]
> i
#取大于概率的的值
#
画出3*3的子图
plt.subplot(3,3,j)
j += 1
# Compute confusion
matrix
cnf_matrix =
confusion_matrix(y_test_undersample,y_test_predictions_high_recall)
np.set_printoptions(precision=2)
#小数点后面显示2位
print("Recall metric
in the testing dataset: ",
cnf_matrix[1,1]/(cnf_matrix[1,0]+cnf_matrix[1,1]))
#计算recall值
# Plot
non-normalized confusion matrix
class_names =
[0,1]
plot_confusion_matrix(cnf_matrix, classes=class_names,
title='Threshold >= %s'%i)
#还有问题。
python 模型 欺诈概率_python信用卡欺诈模型,最大似然参数设置/混淆矩阵相关推荐
- python opencv 摄像头亮度_Python 下opencv 应用: 摄像头参数设置
为了取得好的图片效果,我们需要设置摄像头的参数. 假如摄像流为 cap, 那么设置参数是cap.set(参数编号,参数) 获取参数值的函数是 cap.get(参数编号) 看一段摄像头参数设置读取的例 ...
- 分类模型的性能评估——以SAS Logistic回归为例(1): 混淆矩阵
跑完分类模型(Logistic回归.决策树.神经网络等),我们经常面对一大堆模型评估的报表和指标,如Confusion Matrix.ROC.Lift.Gini.K-S之类(这个单子可以列很长),往往 ...
- python学习 - 图标签用宋体Times New Roman字体 + 规范的混淆矩阵绘制
python学习 - 图标签用宋体&Times New Roman字体 + 规范的混淆矩阵绘制 只需复制下面一行代码即可获得效果 中文:宋体字号 英文和数字:Times New Roman字体 ...
- python归一化 增大差异_Python逻辑回归模型原理及实际案例应用
前言 上面我们介绍了线性回归, 岭回归, Lasso回归, 今天我们来看看另外一种模型-"逻辑回归". 虽然它有"回归"一词, 但解决的却是分类问题 目录 1. ...
- python信用卡欺诈_有关信用卡欺诈的那个例子
#信用卡欺诈检测 import pandas as pd import matplotlib.pyplot as plt import numpy as np #%matplotlib inline ...
- python中execute函数_Python中的函数定义与参数使用
本节知识点:(1)函数定义格式:(2)五种参数使用 函数定义 基本语法格式 def function_name( parameter_list ): return values 函数通常为小写英语单词 ...
- python验证单个概率_Python | 拥有选择权 ,才拥有概率 。
说三门问题之前 ,先来说点类似的 .假如三个盒子里各有一个球 ,一次选择机会摸奖 .你摸到了球 ,就奖励你一个 脱发再续膏,解决程序员秃头烦恼 .如果没摸到 ?那你就秃头吧 ( 活该程序员 ) Pyt ...
- python箱线图_Python 箱线图 plt.boxplot() 参数详解
Python 绘制箱线图主要用 matplotlib 库里 pyplot 模块里的 boxplot() 函数. plt.boxplot() 参数详解 plt.boxplot(x, # 指定要绘制箱线图 ...
- python log日志级别_python – 日志记录:如何为处理程序设置最大日志级别
您可以向文件处理程序添加过滤器.这样,您可以将特定级别重定向到不同的文件. import logging class LevelFilter(logging.Filter): def __init__ ...
最新文章
- html的body内标签之input系列1
- 注意力不集中的判断标准
- php 判断类型array,判断一个变量是数组Array类型的方法_javascript技巧
- 无法嵌入互操作类型 请改用适用的接口。
- 【转】oracle存储过程常用技巧
- SQL Server 替换一个字段的特定字符
- VC++6.0中不兼容问题
- 做一个java项目要经过那些正规的步骤
- mysql主从只同步部分库或表
- 基于JAVA+SpringMVC+Mybatis+MYSQL的实验室设备管理系统
- 344.Reverse String
- 《Spring Boot实战》读书笔记
- java8 function 多线程安全_Java8新特性_传统时间格式化的线程安全问题
- c语言汉诺塔动画程序,汉诺塔问题算法(c语言控制台动画演示版)
- 用C语言开发最简单的小游戏(弹跳小球)
- 配置IIS,以及添加网站
- 【数据库基础】数据库的视图操作
- 【DBA100人】胡中豪:国产分布式数据库DBA炼成记
- 改进YOLOv7系列:首发结合最新Centralized Feature Pyramid集中特征金字塔,通过COCO数据集验证强势涨点
- 绩效管理对 HR 的重要性
热门文章
- 异常将上下文初始化事件发送到类的侦听器实例._Java CLassLoader类加载器详解,一点课堂(多岸学院)...
- python有趣的简单代码_简单代码一学就会,Python生成GIF动图
- 子类重写方法aop切不到_SpringBoot源码之旅——AOP
- UI必不可少!手机计算器界面设计可学习案例
- 合成创意海报灵感|比技术更重要的是创意!
- PSD分层模板,助你设计出有创意的圣诞海报
- 孟菲斯风格海报设计素材,艺术一点点
- UI设计实用素材|扁平化设计的模板
- git依赖python_python爬虫之git的安装
- Linux内核深入理解中断和异常(7):中断下半部:Softirq, Tasklets and Workqueues