Dari deskripsi Anda tampaknya masuk akal: tidak hanya Anda dapat menghitung kurva ROC rata-rata, tetapi juga varians di sekitarnya untuk membangun interval kepercayaan. Seharusnya memberi Anda gagasan tentang seberapa stabil model Anda.
Misalnya, seperti ini:
Di sini saya menempatkan kurva ROC individu serta kurva rata-rata dan interval kepercayaan. Ada area di mana kurva setuju, jadi kami memiliki varian kurang, dan ada area di mana mereka tidak setuju.
Untuk CV berulang, Anda bisa mengulanginya beberapa kali dan mendapatkan rata-rata total di semua lipatan individu:
Ini sangat mirip dengan gambar sebelumnya, tetapi memberikan perkiraan yang lebih stabil (yaitu dapat diandalkan) dari mean dan varians.
Berikut kode untuk mendapatkan plot:
import matplotlib.pyplot as plt
import numpy as np
from scipy import interp
from sklearn.datasets import make_classification
from sklearn.cross_validation import KFold
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_curve
X, y = make_classification(n_samples=500, random_state=100, flip_y=0.3)
kf = KFold(n=len(y), n_folds=10)
tprs = []
base_fpr = np.linspace(0, 1, 101)
plt.figure(figsize=(5, 5))
for i, (train, test) in enumerate(kf):
model = LogisticRegression().fit(X[train], y[train])
y_score = model.predict_proba(X[test])
fpr, tpr, _ = roc_curve(y[test], y_score[:, 1])
plt.plot(fpr, tpr, 'b', alpha=0.15)
tpr = interp(base_fpr, fpr, tpr)
tpr[0] = 0.0
tprs.append(tpr)
tprs = np.array(tprs)
mean_tprs = tprs.mean(axis=0)
std = tprs.std(axis=0)
tprs_upper = np.minimum(mean_tprs + std, 1)
tprs_lower = mean_tprs - std
plt.plot(base_fpr, mean_tprs, 'b')
plt.fill_between(base_fpr, tprs_lower, tprs_upper, color='grey', alpha=0.3)
plt.plot([0, 1], [0, 1],'r--')
plt.xlim([-0.01, 1.01])
plt.ylim([-0.01, 1.01])
plt.ylabel('True Positive Rate')
plt.xlabel('False Positive Rate')
plt.axes().set_aspect('equal', 'datalim')
plt.show()
Untuk CV berulang:
idx = np.arange(0, len(y))
for j in np.random.randint(0, high=10000, size=10):
np.random.shuffle(idx)
kf = KFold(n=len(y), n_folds=10, random_state=j)
for i, (train, test) in enumerate(kf):
model = LogisticRegression().fit(X[idx][train], y[idx][train])
y_score = model.predict_proba(X[idx][test])
fpr, tpr, _ = roc_curve(y[idx][test], y_score[:, 1])
plt.plot(fpr, tpr, 'b', alpha=0.05)
tpr = interp(base_fpr, fpr, tpr)
tpr[0] = 0.0
tprs.append(tpr)
Sumber inspirasi: http://scikit-learn.org/stable/auto_examples/model_selection/plot_roc_crossval.html