我在使用Python的nltk库，并且想绘制我的分类器（朴素贝叶斯）的ROC曲线。是否有现成的函数可以直接绘制，还是我需要自己跟踪真阳性率和假阳性率？

如果有人能提供一些现成的代码示例就太好了…

谢谢。

回答：

PyROC看起来足够简单：教程，源代码

这是如何与NLTK的朴素贝叶斯分类器一起使用的示例：

# 类标签为0和1labeled_data = [    (1, featureset_1),    (0, featureset_2),    (1, featureset_3),    # ...]# naive_bayes是你已经训练好的分类器，# 最好不要在你测试的数据上进行训练 :)from pyroc import ROCDataroc_data = ROCData(    (label, naive_bayes.prob_classify(featureset).prob(1))    for label, featureset    in labeled_data)roc_data.plot()

编辑：

• ROC曲线仅适用于二元分类器。如果你有三个类别，你可以分别测量你的正类和负类的性能（通过将其他两个类别计为0，就像你提议的那样）。
• 该库期望每个元组的第二个值是决策函数的输出。它会尝试所有可能的阈值，例如f(x) >= 0.8 => 分类为1，并为每个阈值绘制一个点（这就是为什么你最终得到一条曲线）。所以如果你的分类器猜测类别0，你实际上希望得到一个更接近零的值。这就是为什么我建议使用.prob(1)