python 绘制ROC曲线，计算AUC值_python 多类别roc曲线绘制auc

二分类问题中常涉及ROC曲线绘制和AUC值得计算。

关于ROC曲线的概念，详见ROC/AUC曲线学习及Python实现_python auc曲线_Joker 007的博客-CSDN博客

本文主要介绍绘制ROC曲线的python实现。

1. 将预测值与标签存储在txt文件中

f = open('/data1/code/test_score.txt','w') # 新建并打开一个txt文件，'w'表示写入模式
 
# 获取标签label和模型预测结果predict的过程此处省略
 
f.write('%s %s\n'%(predict,label))  # 将预测值和标签写入txt文件

2. 读取txt文件，取出数据，绘制图像

import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, auc
 
# np.loadtxt可以直接加载.txt文件中的数据
# 第1个参数是文件路径，第2个读取的数据类型，第3个参数是分隔标志(这里示例以空格为标志分隔)
data_loss = np.loadtxt("/data1/code/test_score.txt", dtype=float, delimiter=' ') 
 
y_pred = data_loss[:,0]   # 横坐标为所有行的第0列，即预测值
y_true = data_loss[:,1]   # 纵坐标为所有行的第1列，即实际标签
 
# 计算AUC和fpr,tpr
fpr, tpr, threshold = roc_curve(y_true, y_pred)
roc_auc = auc(fpr,tpr)
print('AUC-predict_depth:',roc_auc)
 
plt.plot(fpr, tpr, 'c-', label = u'CDCN-Slabel')  # 自变量，因变量，颜色，图例名称
# 如需将多个曲线画在同一个图上，只需在此处再添加一遍7-17行的代码就行，记得改路径和变量名称
 
plt.title('ROC of xxx')  # 图名称
plt.legend()                       # 图例的位置，可以有参数，无参数的话默认右上角
plt.xlabel(u'FPR')                 # 横轴名称
plt.ylabel(u'TPR')                 # 纵轴名称
plt.savefig('xxx.png') # 保存图片

3. 曲线颜色种类详见[matplotlib] 颜色设置及Matplotlib颜色对照表 - 知乎 (zhihu.com)