本文共 915 字，大约阅读时间需要 3 分钟。
本笔记来源于B站Up主: 有Li 的影像组学系列教学视频
本节(15)主要介绍:ROC = receiver operating characteristic curve, 受试者工作特征曲线
横坐标：FPR = false positive rate, 假阳 纵坐标：TPR = true positive rate, 真阳 ROC曲线上的点，表示在不同阈值时对应的FPR和TPR 上面的阈值指预测阳性概率为多大及以上时，判定为阳性 关注四个点来理解ROC曲线： (0,0) ：FPR = 0，TPR = 0， 即全部预测N (1,1) ：FPR = 1，TPR = 1，即全部预测P (1,0) ：FPR = 1，TPR = 0，即全部预测错了 (1,1) ：FPR =1，TPR = 1， 即全部预测对了
代码(基于之前的数据结果)：
from sklearn.metrics import roc_curve, roc_auc_score
y_probs = model_svm.predict_proba(X)
#print(y_probs) #print(y_probs[:,1]) fpr,tpr,thresholds = roc_curve(y,y_probs[:,1],pos_label = 1)plt.plot(fpr,tpr,marker = ‘o’)
plt.xlabel(‘fpr’) plt.ylabel(‘tpr’) plt.show()auc_score = roc_auc_score(y,model_svm.predict(X))
print(auc_score)#select the best thresholdJ = tpr - fpridx = argmax(J)best_threshold = thresholds[idx]
作者：北欧森林
链接：https://www.jianshu.com/p/496bb5f371d3 来源：简书，已获授权转载
RadiomicsWorld.com “影像组学世界”论坛：
