每天五分钟机器学习：如何根据模型的训练结果绘制ROC曲线？

本文重点

在前面的课程中，我们学习了真阳性率和假阳性率的计算公式。使用真阳性率和假阳性率可以绘制出ROC曲线，ROC曲线有很多优秀的特点，经常作为评估二分类器最重要的指标之一。

如何绘制ROC曲线？

绘制方式一

如何才能绘制ROC曲线呢？使用阶段点的方式来完成。在二分类问题中，我们常常认为y=1的概率为50%，而y=0的概率为100%-50%=50%。也就是说一半对一半，也就是说截断点（阈值）就是50%。

如果要想绘制ROC曲线，就需要不断的调整阈值，比如y=1的概率为90%，而y=0的概率为10%，也就是说当模型输出的概率结果为0.9以上的时候才是y=1类别，而模型输出的概率结果为0.89的时候就是y=0的类别，不再以0.5为分界阈值了。

通过不断的动态调整截断点，从最高的得分开始（从正无穷开始），逐渐调整到最低得分，每一个截断点都会对应一个真阳性率和假阳性率，计算出所有的点，然后将其连起来，那么就构成了ROC曲线。

绘制方式二

统计数据集中正负样本的数量，假设正样本的数量为P、负样本的数量为N。接下来将横轴的刻度设置为1/N，而将纵轴的刻度设置为1/P。然后根据模型输出的预测概率对样本进行从高到低的排序。

遍历这个排序的结果，从零点开始绘制ROC曲线，每遇到一个正样本就沿着纵轴方向绘制一个刻度间隔的曲线，每遇到一个负样本就沿着纵轴方向绘制一个刻度间隔的曲线，等到遍历完所有的样本之后，曲线最终将会停止在(1,1)这个点，此时整个ROC曲线绘制完成。