ROC - রিসিভার অপারেটিং বৈশিষ্ট্য (আরওসি) বক্ররেখা।
metrics.plot_roc_curve(clf, X_test, y_test) পদ্ধতি ব্যবহার করে, আমরা ROC বক্ররেখা আঁকতে পারি।
পদক্ষেপ
-
একটি এলোমেলো এন-ক্লাস শ্রেণীবিভাগ সমস্যা তৈরি করুন। এটি প্রাথমিকভাবে একটি ``n_informative``-মাত্রিক হাইপারকিউবের দৈর্ঘ্যের দিকগুলি ``2*class_sep``-এর শীর্ষবিন্দু সম্পর্কে সাধারণত বিতরণ করা (std=1) পয়েন্টের ক্লাস্টার তৈরি করে এবং প্রতিটি ক্লাসে সমান সংখ্যক ক্লাস্টার বরাদ্দ করে।
এটি এই বৈশিষ্ট্যগুলির মধ্যে পারস্পরিক নির্ভরতা প্রবর্তন করে এবং ডেটাতে বিভিন্ন ধরণের আরও শব্দ যোগ করে। make_classification() পদ্ধতি ব্যবহার করুন।
-
Train_test_split() পদ্ধতি ব্যবহার করে অ্যারে বা ম্যাট্রিক্সকে এলোমেলো ট্রেনে বিভক্ত করুন।
-
fit() পদ্ধতি ব্যবহার করে প্রদত্ত প্রশিক্ষণ ডেটা অনুযায়ী SVM মডেল ফিট করুন।
-
plot_roc_curve() পদ্ধতি ব্যবহার করে প্লট রিসিভার অপারেটিং চরিত্রগত (ROC) বক্ররেখা।
-
চিত্রটি দেখানোর জন্য, plt.show() পদ্ধতি ব্যবহার করুন।
উদাহরণ
sklearn import datasets, metrics, model_selection, svmX, y =datasets.make_classification(random_state=0)X_train, X_test, y_train, y_test =model_selection, y_test =মডেল_selection, y_test =y_test_in, y_test =y_test. =svm.SVC(random_state=0)clf.fit(X_train, y_train)metrics.plot_roc_curve(clf, X_test, y_test)plt.show()আউটপুট
