ROC 곡선
이제 당뇨병 상태를 예측하는 로지스틱 회귀 모델을 구축했으므로, 결정 임계값이 변함에 따라 참인 양성률과 거짓 양성률이 어떻게 달라지는지 시각화하기 위해 ROC 곡선을 그려볼 수 있습니다.
테스트 레이블인 y_test와 양성 클래스에 속할 테스트 특성의 예측 확률 y_pred_probs, plt로 import 된 matplotlib.pyplot이 미리 로드되어 있습니다.
ROC 곡선을 만든 다음 결과를 해석해 봅시다.
이 연습은 강의의 일부입니다
scikit-learn으로 배우는 지도 학습
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import roc_curve
____
# Generate ROC curve values: fpr, tpr, thresholds
fpr, tpr, thresholds = ____(____, ____)
plt.plot([0, 1], [0, 1], 'k--')
# Plot tpr against fpr
plt.plot(____, ____)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curve for Diabetes Prediction')
plt.show()