对于不同模型ROC曲线画在同一张图中Python代码
时间: 2024-02-21 22:00:59 浏览: 37
要画出不同模型的 ROC 曲线在同一张图中,可以使用 Python 中的 Matplotlib 库。以下是一个简单的例子,假设你有两个模型的预测概率值和对应的标签:
```python
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, auc
# 第一个模型的预测概率值和真实标签
y_pred_1 = np.array([0.2, 0.5, 0.7, 0.8, 0.1])
y_true_1 = np.array([0, 0, 1, 1, 0])
# 第二个模型的预测概率值和真实标签
y_pred_2 = np.array([0.1, 0.4, 0.6, 0.9, 0.3])
y_true_2 = np.array([0, 1, 1, 1, 0])
# 计算 ROC 曲线和 AUC 值
fpr_1, tpr_1, thresholds_1 = roc_curve(y_true_1, y_pred_1)
auc_1 = auc(fpr_1, tpr_1)
fpr_2, tpr_2, thresholds_2 = roc_curve(y_true_2, y_pred_2)
auc_2 = auc(fpr_2, tpr_2)
# 画 ROC 曲线
plt.plot(fpr_1, tpr_1, color='blue', lw=2, label='Model 1 (AUC = %0.2f)' % auc_1)
plt.plot(fpr_2, tpr_2, color='red', lw=2, label='Model 2 (AUC = %0.2f)' % auc_2)
# 设置图像属性
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic')
plt.legend(loc="lower right")
plt.show()
```
在上面的代码中,我们使用 `roc_curve` 函数计算每个模型的 ROC 曲线和 AUC 值,并使用 `plot` 函数绘制它们。`xlabel` 和 `ylabel` 函数分别设置 X 轴和 Y 轴的标签,`title` 函数设置图像标题,`legend` 函数添加图例,`show` 函数显示图像。你可以根据需要修改这些属性以及其他属性来自定义你的图像。