我创建了一个生成 ROC_AUC 的函数,然后将创建的图形返回到一个变量中。
from sklearn.metrics import roc_curve, auc
from sklearn.preprocessing import label_binarize
import matplotlib.pyplot as plt
def plot_multiclass_roc(clf, X_test, y_test, n_classes, figsize=(17, 6)):
y_score = clf.decision_function(X_test)
# structures
fpr = dict()
tpr = dict()
roc_auc = dict()
# calculate dummies once
y_test_dummies = pd.get_dummies(y_test, drop_first=False).values
for i in range(n_classes):
fpr[i], tpr[i], _ = roc_curve(y_test_dummies[:, i], y_score[:, i])
roc_auc[i] = auc(fpr[i], tpr[i])
# roc for each class
fig, ax = plt.subplots(figsize=figsize)
ax.plot([0, 1], [0, 1], 'k--')
ax.set_xlim([0.0, 1.0])
ax.set_ylim([0.0, 1.05])
ax.set_xlabel('False Positive Rate')
ax.set_ylabel('True Positive Rate')
ax.set_title('Receiver operating characteristic for Optimized SVC model')
for i in range(n_classes):
ax.plot(fpr[i], tpr[i], label='ROC curve (area = %0.2f) for label %i' % (roc_auc[i], i+1))
ax.legend(loc="best")
ax.grid(alpha=.4)
sns.despine()
plt.show()
return fig
svc_model_optimized_roc_auc_curve = plot_multiclass_roc(svc_model_optimized, X_test, y_test, n_classes=3, figsize=(16, 10))
最终的图形大致如下:
我使用同一函数创建了5个不同模型的ROC曲线,并将它们的图形分别存储到不同的变量中。
然后,我创建了一个subplot图形,用于显示所有这些曲线。代码如下:
import matplotlib.pyplot as plt
%matplotlib inline
figs, ax = plt.subplots(
nrows=3,
ncols=2,
figsize=(20, 20),
)
ax[0,0] = logmodel_roc_auc_curve
ax[0,1] = RandomForestModel_optimized_roc_auc_cruve
ax[1,0] = decisiontree_model_optimized_roc_auc_curve
ax[1,1] = best_clf_knn_roc_auc_curve
ax[2,0] = svc_model_optimized_roc_auc_curve
但是生成的图形结果如下所示:
这里有一个类似的问题链接,但是它通过再次执行函数来解决。但如果可能的话,我想找到一种方法,仅仅“粘贴”我已经有的图形到子图中。