Кривая ROC кривой, использующая scikit-learn для распознавания лиц с использованием наборов данных изображений, вызывает ошибку. (Fetch_olivetti_faces)

Question

Я довольно новичок в машине. Любая помощь будет оценена по достоинству.

Я хочу построить график, чтобы показать точность и частоту ошибок алгоритмов (LDA, SVM). И сравнить, какой алгоритм лучше среди обоих. Точность, возвращаемая запуском программы python в терминале, не считается хорошим доказательством.

Построенные графики с использованием матрицы путаницы, чтобы показать точность и частоту ошибок.

Я считаю, что график графика с использованием ROC предназначен для двоичного классификатора(), и его можно также использовать для набора данных изображения с использованием алгоритмов LDA и SVM.

Я построил график cross_val_predict, чтобы визуализировать ошибки прогнозирования.

Есть ли какое-либо графическое представление, которое может сделать лучше, чем вышеупомянутое или я пропустил.

Answer 1

Обычно я сюжет кривой ROC, как это:

predictions_prob = your_model.predict_proba(x_test) 
false_positive_rate, recall, thresholds = roc_curve(y_test, predictions_prob[:,1]) 
roc_auc = auc(false_positive_rate, recall) 
plt.plot(false_positive_rate, recall, 'g', label = 'AUC %s = %0.2f' % ('model name', roc_auc)) 
plt.plot([0,1], [0,1], 'r--') 
plt.legend(loc = 'lower right') 
plt.ylabel('Recall') 
plt.xlabel('Fall-out') 
plt.title('ROC Curve')