Kurva ROC

Sekarang mari kita membuat kurva ROC untuk classifier random forest kita. Langkah pertama adalah menghitung probabilitas prediksi yang dihasilkan classifier untuk setiap label menggunakan metode .predict_proba(). Lalu, Anda dapat menggunakan fungsi roc_curve dari sklearn.metrics untuk menghitung false positive rate dan true positive rate, yang kemudian dapat Anda plot menggunakan matplotlib.

Sebuah RandomForestClassifier dengan ukuran himpunan latih 70% telah dilatih pada data dan tersedia di workspace Anda sebagai clf.