R: xgboost图roc曲线

Question

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

如果我想运行一个xgboost分类并随后绘制roc: objective =“二进制:物流”

我对xgboost的论点度量标准"auc“(CRAN手册的第9页)感到困惑，它说的是领域。如何用tpr和fpr绘制曲线进行模型比较？

我试着搜索net和github，重点是特性重要性图(对于xgboost)。

谢谢

Answer 1

让我先谈谈ROC曲线

ROC曲线是在不同阈值下绘制真实阳性率(TPR)和假阳性率(FPR)的曲线。

在python中，可以很容易地完成以下操作：

from sklearn import metrics
def buildROC(target_test,test_preds):
    fpr, tpr, threshold = metrics.roc_curve(target_test, test_preds)
    roc_auc = metrics.auc(fpr, tpr)
    plt.title('Receiver Operating Characteristic')
    plt.plot(fpr, tpr, 'b', label = 'AUC = %0.2f' % roc_auc)
    plt.legend(loc = 'lower right')
    plt.plot([0, 1], [0, 1],'r--')
    plt.ylabel('True Positive Rate')
    plt.xlabel('False Positive Rate')
    plt.gcf().savefig('roc.png')

在这里输入图像描述

例如，在上述图像中，在一定的阈值下，以假阳性率0.2为代价，可以得到接近0.96 ~ 0.97的真阳性。

关于中华民国的好文件