python画模型的校准曲线

在Python中，我们可以使用`sklearn`库中的`calibration_curve`函数来绘制模型的校准曲线。下面是一个简单的例子：

from sklearn.datasets import make_classification
from sklearn.calibration import calibration_curve
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
import matplotlib.pyplot as plt

# 生成一个二分类数据集
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2, random_state=42)

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练一个逻辑回归模型
clf = LogisticRegression(random_state=42)
clf.fit(X_train, y_train)

# 计算校准曲线的参数
probs = clf.predict_proba(X_test)[:, 1]
fop, mpv = calibration_curve(y_test, probs, n_bins=10)

# 绘制校准曲线
plt.plot([0, 1], [0, 1], linestyle='--')
plt.plot(mpv, fop, marker='.')
plt.show()

在上面的例子中，我们首先生成了一个二分类数据集，然后将数据集划分为训练集和测试集。接着，我们训练了一个逻辑回归模型，并使用`predict_proba`方法获取模型对测试集样本的预测概率。最后，我们使用`calibration_curve`函数计算校准曲线的参数，并使用`matplotlib`库绘制校准曲线。