Можно также следовать за официальной формой документации scikit:

https://scikit-learn.org/stable/auto_examples/model_selection/plot_roc.html#sphx-glr-auto-examples-model-selection-plot-roc-py

На основе нескольких комментариев от stackoverflow scikit-изучите документацию и некоторого другого, я сделал пакет Python для графического изображения кривой ПТИЦЫ РУХ (и другая метрика) действительно простым способом.

Для установки пакета: pip install plot-metric (больше информации в конце сообщения)

Для графического изображения Кривой ПТИЦЫ РУХ (пример прибывают из документации):

бинарная классификация

Позволяют нам загрузить простой набор данных и сделать поезд & набор тестов:

from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
X, y = make_classification(n_samples=1000, n_classes=2, weights=[1,1], random_state=1)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5, random_state=2)

Поезд классификатор и предсказывают набор тестов:

from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(n_estimators=50, random_state=23)
model = clf.fit(X_train, y_train)

# Use predict_proba to predict probability of the class
y_pred = clf.predict_proba(X_test)[:,1]

можно теперь использовать plot_metric для графического изображения Кривой ПТИЦЫ РУХ:

from plot_metric.functions import BinaryClassification
# Visualisation with plot_metric
bc = BinaryClassification(y_test, y_pred, labels=["Class 1", "Class 2"])

# Figures
plt.figure(figsize=(5,5))
bc.plot_roc_curve()
plt.show()

Результат:

можно найти больше примера на GitHub и документации пакета:

• GitHub: https://документация github.com/yohann84L/plot_metric
• : https://plot-metric.readthedocs.io/en/latest /