Curva ROC

Creiamo ora una curva ROC per il nostro classificatore random forest. Il primo passo è calcolare le probabilità previste restituite dal classificatore per ciascuna etichetta usando il suo metodo .predict_proba(). Poi puoi usare la funzione roc_curve da sklearn.metrics per calcolare il tasso di falsi positivi e il tasso di veri positivi, che potrai quindi tracciare con matplotlib.

Un RandomForestClassifier addestrato con il 70% dei dati di training è già stato adattato ai dati ed è disponibile nel tuo workspace come clf.