y_pred_proba[:,1]
2.2.3 模型预测及评估
在Python实现上,可以求出在不同阈值下的命中率(TPR)以及假警报率(FPR)的值,从而可以绘制ROC曲线。...# 网格搜索合适的超参数
# 指定参数k的范围
parameters = {
'max_depth': [3, 5, 7, 9, 11]}
# 构建决策树分类器
model = DecisionTreeClassifier...() # 这里因为要进行参数调优,所以不需要传入固定的参数了
# 网格搜索
grid_search = GridSearchCV(model, parameters, scoring='roc_auc...', cv=5) # cv=5表示交叉验证5次,默认值为3;scoring='roc_auc'表示通过ROC曲线的AUC值来进行评分,默认通过准确度评分
grid_search.fit(X_train...# 指定决策树分类器中各个参数的范围
parameters = {
'max_depth': [5, 7, 9, 11, 13], 'criterion':['gini', 'entropy'],