我有一些SVM分类器(LinearSVC)输出测试集中每个样本的最终分类,例如
1, 1, 1, 1, 0, 0, 0, 1, 0, 0, 1, 1
依此类推。
“真相”标签也类似
1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1, 1
我想使用某些参数运行该svm,并为roc曲线生成点,并计算auc。
我可以自己完成此操作,但我肯定在这种情况下有人在我之前这样做。
[不幸的是,我所能找到的都是针对分类器返回概率而不是诸如here或here之类的硬估计的情况>
我以为this可以工作,但是找不到from sklearn.metrics import plot_roc_curve
!
任何适合我情况的在线内容?
谢谢
我有一些SVM分类器(LinearSVC)输出测试集中每个样本的最终分类,例如1,1,1,1,0,0,0,1,0,0,1,1,依此类推。 “真相”标签也是...
您可以通过使用sklearn.svm.SVC
并将sklearn.svm.SVC
参数设置为probability
来解决问题。