Matplotlib 利用交叉验证的结果制作ROC曲线？

我正在使用随机林进行5倍交叉验证，如下所示：

from sklearn.ensemble import RandomForestClassifier

from sklearn.model_selection import cross_validate

forest = RandomForestClassifier(n_estimators=100, max_depth=8, max_features=6)

cv_results = cross_validate(forest, X, y, cv=5, scoring=scoring)

但是，我想在一张图上绘制5个输出的ROC曲线。本文档仅提供了一个示例，用于在特别使用分层折叠交叉验证时绘制具有交叉验证的roc曲线（请参见此处的文档：）

我试着修改代码，使其能够用于交叉验证，但没有效果

如何将cross_validate（交叉验证）输出的5个结果绘制在一个图形上，从而生成ROC曲线

---

提前感谢

交叉验证

是一种模型验证工具，而不是拆分类。你需要选择最适合你的。你可能在找我。大概是这样的：

from sklearn.model_selection import KFold
cv = KFold(n_splits=5)

---

交叉验证

是一种模型验证工具，而不是拆分类。你需要选择最适合你的。你可能在找我。大概是这样的：

from sklearn.model_selection import KFold
cv = KFold(n_splits=5)

---

那么，您的意思是说，使用cross_validate生成的结果不能绘制为Roc_auc图？我这样说是因为我想可视化运行cross_validate创建的结果。如果我使用随机林运行拆分器类并绘制roc_auc结果，它将与我使用cross_validate得到的结果不匹配。这是我必须接受的吗？顺便说一句，感谢您的帮助。在您提供的链接中，他们使用了

StratifiedKFold

，您说您希望将其用于“5倍交叉验证”，而不是分层K倍交叉验证

StratifiedKFold

是一个拆分器类，您需要用拆分器类替换K fold交叉验证，即

KFold

。如果我运行：cv\u结果=交叉验证（森林，X，y，cv=5，评分=评分），我定义的评分指标之一是roc\u auc。我想做的就是在同一张图上绘制这5个不同的roc_auc分数。您提到在使用cross_validate时这是不可能的，因为cross_validate是模型验证工具，而不是拆分工具。但我读到cross_validate自动使用分层折叠。我只想从cv_results=cross_validate（forest，X，y，cv=5，scoring=scoring）中获取结果，并将它们绘制在roc_auc图上。为什么我需要使用Kfold或“拆分器类”？谢谢你的意思是说使用cross_validate生成的结果不能绘制为Roc_auc图？我这样说是因为我想可视化运行cross_validate创建的结果。如果我使用随机林运行拆分器类并绘制roc_auc结果，它将与我使用cross_validate得到的结果不匹配。这是我必须接受的吗？顺便说一句，感谢您的帮助。在您提供的链接中，他们使用了

StratifiedKFold

，您说您希望将其用于“5倍交叉验证”，而不是分层K倍交叉验证

StratifiedKFold

是一个拆分器类，您需要用拆分器类替换K fold交叉验证，即

KFold

。如果我运行：cv\u结果=交叉验证（森林，X，y，cv=5，评分=评分），我定义的评分指标之一是roc\u auc。我想做的就是在同一张图上绘制这5个不同的roc_auc分数。您提到在使用cross_validate时这是不可能的，因为cross_validate是模型验证工具，而不是拆分工具。但我读到cross_validate自动使用分层折叠。我只想从cv_results=cross_validate（forest，X，y，cv=5，scoring=scoring）中获取结果，并将它们绘制在roc_auc图上。为什么我需要使用Kfold或“拆分器类”？谢谢，请不要交叉张贴问题。。。你用什么来评分？请不要交叉张贴问题。。。你用什么来评分？