机器学习基于Python绘制PR曲线和ROC曲线

PR曲线，即Precision-Recall Curve，中文译做精确度-召回率曲线，是一种常用于评估二元分类问题模型表现的工具。

精确度（Precision）和召回率（Recall）是评价二元分类问题模型性能的两个相互关联的指标：

精确度（Precision）：对于预测结果是正例的样本，实际上也是正例的概率。较高的精确度意味着模型对于预测出的正例有着较高的准确度。

召回率（Recall）：对于所有实际上是正例的样本，被模型预测为正例的概率。较高的召回率意味着模型能够找出所有正例的绝大部分。

PR曲线将这两个指标组合在一起，以精确度（Precision）作为Y轴，召回率（Recall）作为X轴，绘制了对于每个可能的决策阈值，模型的精确度和召回率的表现。这样，PR曲线描绘了模型在精确度和召回率之间权衡的过程，对于模型在不同决策阈值条件下的性能表现提供了全面的视觉表示。

# 导入必要的库

from sklearn.datasets import load_breast_cancer

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import precision_recall_curve

import matplotlib.pyplot as plt

# 加载数据

data = load_breast_cancer()

X = data['data']

y = data['target']

# 划分训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型

model = LogisticRegression(solver='liblinear')

model.fit(X_train, y_train)

# 得到测试集的预测概率

probs = model.predict_proba(X_test)[:, 1]

# 计算PR曲线的数据点

precision, recall, _ = precision_recall_curve(y_test, probs)

# 绘制PR曲线

plt.figure(figsize=(8, 6))

plt.plot(recall, precision, marker='.')

plt.title('Precision-Recall Curve')

plt.xlabel('Recall')

plt.ylabel('Precision')

plt.grid()

plt.show()

ROC曲线，全称为"Receiver Operating Characteristic"曲线，又称为受试者工作特性曲线，是一种用于评估二元分类问题模型性能的图形化工具。

ROC曲线的横坐标是"假正类率"（False Positive Rate, FPR），纵坐标是"真正类率"（True Positive Rate, TPR）。FPR和TPR的定义如下：

真正类率（TPR，也叫召回率）：在所有实际为正类的样本中，被正确预测为正类的样本所占的比例；

假正类率（FPR）：在所有实际为负类的样本中，被错误预测为正类的样本所占的比例。

ROC曲线是通过在各种分类阈值设定下，绘制出FPR和TPR的变化情况得到的。曲线下的面积（Area under the ROC Curve, AUC）可以用来度量模型的整体性能。AUC值越接近1，代表模型的性能越好；AUC值为0.5则代表模型没有预测能力。

综合来看，ROC曲线不仅可以帮助我们了解模型在不同阈值下的表现，还能量化地评价模型的整体性能。

# 导入必要的库

from sklearn.datasets import load_breast_cancer

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import roc_curve, auc

import matplotlib.pyplot as plt

# 加载数据

data = load_breast_cancer()

X = data['data']

y = data['target']

# 划分训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型

model = LogisticRegression(solver='liblinear')

model.fit(X_train, y_train)

# 得到测试集的预测概率

probs = model.predict_proba(X_test)[:, 1]

# 计算ROC曲线的数据点

fpr, tpr, _ = roc_curve(y_test, probs)

roc_auc = auc(fpr, tpr)

# 绘制ROC曲线

plt.figure(figsize=(8, 6))

plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)

plt.plot([0, 1], [0, 1], color='navy', lw=2, 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 Curve')

plt.legend(loc='lower right')

plt.grid()

plt.show()