绘制roc曲线:
library(ROCR)
<data cleaning/scrubbing>
<train data>
.....
.....
rf.perf = performance(rf.prediction, "tpr", "fpr") #for RF
logit.perf = performance (logit.prediction, "tpr", "fpr") #for logistic reg
tree.perf = performance(tree.prediction, "tpr", "fpr") #for cart tree
...
plot(re.perf) #a RF roc curve
如果我想运行 xgboost
分类并随后绘制roc:objective = "binary:logistics"
我'm confused with the xgboost' s参数指标"auc"(CRAN manual的第9页),它表示区域 . 如何使用tpr和fpr绘制曲线以进行模型比较?
我尝试搜索网络和github,最重视功能重要性图(适用于 xgboost
) .
谢谢
1 回答
我先来谈谈ROC曲线
在python中,它可以很容易地完成:
enter image description here
例如,在上面的图像中,在某个阈值和假阳性率0.2的成本,我们可以得到真正的正近0.96 - 0.97
A good documentation on ROC