如何在不使用sklearn的情况下在python中计算TPR和FPR？

Question

初始化列表列表

'''

data = [[1.0, 0.635165,0.0], [1.0, 0.766586,1.0], [1.0, 0.724564,1.0],
        [1.0, 0.766586,1.0],[1.0, 0.889199,1.0],[1.0, 0.966586,1.0],
        [1.0, 0.535165,0.0],[1.0, 0.55165,0.0],[1.0, 0.525165,0.0],[1.0, 0.5595165,0.0] ]

创建熊猫数据框

df = pd.DataFrame(data, columns = ['y', 'prob','y_predict']) 

打印数据框。

print(df)

'''

对于此数据集，我想查找

1. 不使用Sklearn的混淆矩阵
2. 不使用Sklearn绘制TPC的TPR和FPR的数字数组。

如何在python中做到这一点？

Answer 1

...没有sklearn python模块：

1. 不使用Sklearn的混淆矩阵

   • 您可以使用pandas_ml

     从pandas_ml import ConfusionMatrix导入

   • 您可以为混淆矩阵建立数学公式

2. 关于您的中华民国

   • 请参见this issue上的python MatLab示例求解]]
   • 可以构建数组并使用np并使用数学公式来构建源代码。

如果您查看这些文章，可以了解更多信息：

logistic-regression-using-numpy-python示例回归；

what-is-the-roc-curve-理论；

roc-curve-part-2-numerical-example-python实践；