如何获得决策树的ROC曲线？

Question

我正在尝试为决策树找到 ROC 曲线 和 AUROC 曲线。我的代码类似于

clf.fit(x,y)
y_score = clf.fit(x,y).decision_function(test[col])
pred = clf.predict_proba(test[col])
print(sklearn.metrics.roc_auc_score(actual,y_score))
fpr,tpr,thre = sklearn.metrics.roc_curve(actual,y_score)

输出：

 Error()
'DecisionTreeClassifier' object has no attribute 'decision_function'

基本上，错误是在查找 y_score 时出现的。请解释什么是 y_score 以及如何解决这个问题？

Answer 1

首先，DecisionTreeClassifier没有属性decision_function。

如果我从你的代码结构猜测，你看到了这个 example

在这种情况下，classifier 不是决策树，而是支持 decision_function 方法的 OneVsRestClassifier。

可以看到DecisionTreeClassifierhere

的可用属性

一种可能的方法是二值化classes，然后计算每个class的auc：

示例：

from sklearn import datasets
from sklearn.metrics import roc_curve, auc
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import label_binarize
from sklearn.tree import DecisionTreeClassifier
from scipy import interp


iris = datasets.load_iris()
X = iris.data
y = iris.target

y = label_binarize(y, classes=[0, 1, 2])
n_classes = y.shape[1]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.5, random_state=0)

classifier = DecisionTreeClassifier()

y_score = classifier.fit(X_train, y_train).predict(X_test)

fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(n_classes):
    fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_score[:, i])
    roc_auc[i] = auc(fpr[i], tpr[i])

# Compute micro-average ROC curve and ROC area
fpr["micro"], tpr["micro"], _ = roc_curve(y_test.ravel(), y_score.ravel())
roc_auc["micro"] = auc(fpr["micro"], tpr["micro"])

#ROC curve for a specific class here for the class 2
roc_auc[2]

结果

0.94852941176470573

Answer 2

认为对于决策树你可以使用 .predict_proba() 而不是 .decision_function() 所以你会得到如下内容：

y_score = classifier.fit(X_train, y_train).predict_proba(X_test)

那么，剩下的代码就一样了。事实上，来自 scikit learn 的 roc_curve 函数可以采用两种类型的输入： "Target scores, can either be probability estimates of the positive class, confidence values, or non-thresholded measure of decisions (as returned by “decision_function” on some classifiers)." 有关详细信息，请参阅 here。

如何获得决策树的ROC曲线？

How to get ROC curve for decision tree?

python

scikit-learn

auc

data-science