如何绘制ROC并为无概率的二进制分类器（svm）计算AUC？

Question

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...

Answer 1

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。