更详细的数据集介绍（有图形分析，应该比较好理解）
https://blog.csdn.net/weixin_42567027/article/details/107416002

数据集

数据集有三个类别，每个类别有50个样本。

ROC曲线与AUC

理论知识

ROC曲线是二值分类问题的一个评价指标。它是一个概率曲线，在不同的阈值下绘制TPR与FPR的关系图，从本质上把“信号”与“噪声”分开。
ROC曲线的x轴是FPR，y轴是TPR。

曲线理解

random chance这条直线是随机概率，一半的概率是对的，一半的概率是错的。如果低于这条线，说明算法极差，都不如随机猜的。
因此在这条线的左边说明算法还好点。
然后实际的曲线根据计算得到的FPR，TPR的值得到。

实例计算

具体计算过程

AUC
AUC是分类器区分类的能力的度量，也就是ROC的面积，得出来的就是一个数。
AUC值越大，当前的分类算法越有可能将正样本排在负样本前面，即能够更好的分类。

代码

// An highlighted block
import pandas as pd
import numpy as np
from sklearn.linear_model import LogisticRegressionCV
from sklearn import metrics
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import label_binarize
import matplotlib as mpl
import matplotlib.pyplot as plt
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeaturesif __name__ == '__main__':pd.set_option('display.width', 300)pd.set_option('display.max_columns', 300)'''加载数据'''data = pd.read_csv('F:\pythonlianxi\iris.csv', header=None)#设置列标签columns = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'type']#rename：用于命名文件或目录data.rename(columns=dict(zip(np.arange(5), columns)), inplace=True)#Categorical:将类别信息转化成数值信息,因此将type中的数据类型进行转化data['type'] = pd.Categorical(data['type']).codes#print (data)'''数据集和标签集'''#x存储的是除type类外的数据，也就是数据集x = data.loc[:, columns[:-1]]#y中存储的是type数据，也就是标签集y = data['type']'''LR分类'''#训练集和测试集样本x, x_test, y, y_test = train_test_split(x, y, train_size=0.7)clf = Pipeline([#做线性回归预测时候，为了提高模型的泛化能力，经常采用多次线性函数建立模型#PolynomialFeatures：特征选择  degree：选择线性函数次数('poly', PolynomialFeatures(degree=2, include_bias=True)),('lr', LogisticRegressionCV(Cs=np.logspace(-3, 4, 8), cv=5, fit_intercept=False))])#调参clf.fit(x, y)y_hat = clf.predict(x)print ('训练集精确度：', metrics.accuracy_score(y, y_hat))y_test_hat = clf.predict(x_test)print ('测试集精确度：', metrics.accuracy_score(y_test, y_test_hat))'''AUC-ROC曲线'''n_class = len(data['type'].unique())#y_test：测试集的标签   label_binarize：标签二值化y_test_one_hot = label_binarize(y_test, classes=np.arange(n_class))#predict_proba返回的是一个n行k列的数组，# 第i行第j列上的数值是模型预测第i个预测样本为某个标签的概率，并且每一行的概率和为1。#测试集分类正确的概率y_test_one_hot_hat = clf.predict_proba(x_test)##metrics.roc_curve：计算ROC曲线面积，选取一个阈值计算TPR/FPRfpr, tpr, thresholds= metrics.roc_curve(y_test_one_hot.ravel(), y_test_one_hot_hat.ravel())print ('Micro AUC:\t', metrics.auc(fpr, tpr))print ('Micro AUC(System):\t', metrics.roc_auc_score(y_test_one_hot, y_test_one_hot_hat, average='micro'))#阈值的选取规则是在scores值中从大到小的以此选取auc = metrics.roc_auc_score(y_test_one_hot, y_test_one_hot_hat, average='macro')print( 'Macro AUC:\t', auc)'''绘图'''mpl.rcParams['font.sans-serif'] = u'SimHei'mpl.rcParams['axes.unicode_minus'] = Falseplt.figure(figsize=(8, 7), dpi=80, facecolor='w')plt.plot(fpr, tpr, 'r-', lw=2, label='AUC=%.4f' % auc)plt.legend(loc='lower right',fontsize=20)#对x轴，y轴的坐标值进行限制plt.xlim((-0.01, 1.02))plt.ylim((-0.01, 1.02))plt.xticks(np.arange(0, 1.1, 0.1))plt.yticks(np.arange(0, 1.1, 0.1))plt.xlabel('False Positive Rate', fontsize=20)plt.ylabel('True Positive Rate', fontsize=20)plt.grid(b=True, ls=':')plt.title(u'ROC曲线和AUC', fontsize=24)plt.show()