Scikit learn 谁能帮我学习一下sklearn.metrics.roc#u曲线'；s的用途以及该函数的期望值是什么？

我试图从networkx图形的数据结构中构造2个numpy ndarray-s，这些数据结构看起来像元组列表和简单列表。我想做一个roc曲线，其中

验证集是上面提到的G图边元组列表，我正试图这样构造：

它看起来是这样的：[（1344,1），（2,23,0），（3,5,0），…（333334,1）]

前2个数字表示2个节点，第3个数字表示它们之间是否有边。1表示边，0表示无边

然后roc_曲线期望文档中有一个叫做y_分数的东西。我有一个使用名为preferential attachment的方法制作的列表，因此我将其命名为pref_att_types。我试着做一个numpy数组，以防roc_曲线只需要它

3.然后我就做了我们在课堂上用过的

FPRs, TPRs, thresholds = roc_curve(y_validation,
                                   positive_class_predicted_probabilities,
                                   pos_label=1)

---

它实际上只是Ctrl C+Ctrl V。但它表示值错误和“不支持多类多输出格式”。请注意，我不是一名程序员，只是一名数学分析师。

下面的代码绘制了两种射频模型的ROC曲线：

from sklearn.metrics import roc_curve
#create array of probabilities
y_test_predict1_probaRF = rf1.predict_proba(X_test)
y_test_predict2_probaRF = rf2.predict_proba(X_test)
RFfpr1, RFtpr1, thresholds = roc_curve(y_test, y_test_predict1_probaRF[:,1])
RFfpr2, RFtpr2, thresholds = roc_curve(y_test, y_test_predict2_probaRF[:,1])

def plot_roc_curve (fpr, tpr, label = None):
    plt.plot(fpr, tpr, linewidth = 2, label = label)
    plt.plot([0,1], [0,1], "k--")
    plt.axis([0,1,0,1])
    plt.xlabel("False positive rate")
    plt.ylabel("True positive rate")
    
plot_roc_curve (RFfpr1,RFtpr1,"RF1")
plot_roc_curve (RFfpr2,RFtpr2,"RF2")
plt.legend()

plt.show()

---

第一个参数，

y_true

，需要仅为true标签，在本例中为0/1，没有节点对。只需确保数组的索引

y\u验证

和

pref\u att\u类型

匹配即可

FPRs, TPRs, thresholds = roc_curve(y_validation,
                                   positive_class_predicted_probabilities,
                                   pos_label=1)

from sklearn.metrics import roc_curve
#create array of probabilities
y_test_predict1_probaRF = rf1.predict_proba(X_test)
y_test_predict2_probaRF = rf2.predict_proba(X_test)
RFfpr1, RFtpr1, thresholds = roc_curve(y_test, y_test_predict1_probaRF[:,1])
RFfpr2, RFtpr2, thresholds = roc_curve(y_test, y_test_predict2_probaRF[:,1])

def plot_roc_curve (fpr, tpr, label = None):
    plt.plot(fpr, tpr, linewidth = 2, label = label)
    plt.plot([0,1], [0,1], "k--")
    plt.axis([0,1,0,1])
    plt.xlabel("False positive rate")
    plt.ylabel("True positive rate")
    
plot_roc_curve (RFfpr1,RFtpr1,"RF1")
plot_roc_curve (RFfpr2,RFtpr2,"RF2")
plt.legend()

plt.show()