Probabilidades, umbrales y AUC en Python

predict_proba da puntajes; el umbral es una decisión tuya, no del modelo.

from sklearn.datasets import load_breast_cancer
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_auc_score, roc_curve
from sklearn.model_selection import train_test_split
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler

X, y = load_breast_cancer(return_X_y=True)
X_entreno, X_prueba, y_entreno, y_prueba = train_test_split(
    X, y, test_size=0.3, random_state=0, stratify=y)

modelo = make_pipeline(StandardScaler(), LogisticRegression(max_iter=1000))
modelo.fit(X_entreno, y_entreno)

puntajes = modelo.predict_proba(X_prueba)[:, 1]
print(f"auc {roc_auc_score(y_prueba, puntajes):.3f}")

fpr, tpr, umbrales = roc_curve(y_prueba, puntajes)
print(len(umbrales), fpr[:3].round(3), tpr[:3].round(3))

Cómo funciona

1. predict_proba devuelve una columna por clase.
2. roc_auc_score califica el ordenamiento, independiente de todo umbral.
3. roc_curve entrega la curva de compromiso para graficar o elegir.

Palabras clave y builtins usados aquí

• len
• print

El intento, en números

Líneas

19

Caracteres a escribir

773

Tokens

168

Ritmo de tres estrellas

110 tpm

Al ritmo de tres estrellas de 110 tokens por minuto, este intento toma unos 92 segundos.

Escribe este fragmento

Paso 3 de 4 en Métricas; paso 18 de 25 en Machine learning con scikit-learn.

← Anterior Siguiente →