sklearn.metrics.DetCurveDisplay

class sklearn.metrics.DetCurveDisplay

Visualización de curvas DET.

Se recomienda utilizar plot_det_curve para crear un visualizador. Todos los parámetros se almacenan como atributos.

Más información en el Manual de Usuario.

Nuevo en la versión 0.24.

Parámetros

fprndarray

Tasa de falsos positivos.

tprndarray

Tasa de verdaderos positivos.

estimator_namecadena de caracteres, default=None

Nombre del estimador. Si es None, entonces el nombre del estimador no se muestra.

pos_labelstr o int, default=None

La etiqueta de la clase positiva.

Atributos

line_matplotlib Artist

Curva DET.

ax_Ejes de matplotlib

Ejes con curva DET.

figure_Figura de matplotlib

Figura que contiene la curva.

Ver también

det_curve

Calcule las tasas de error para diferentes umbrales de probabilidad.

plot_det_curve

Trazar curva de compesación del error de detección (DET).

Ejemplos

>>> import matplotlib.pyplot as plt  
>>> import numpy as np
>>> from sklearn import metrics
>>> y = np.array([0, 0, 1, 1])
>>> pred = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, fnr, thresholds = metrics.det_curve(y, pred)
>>> display = metrics.DetCurveDisplay(
...     fpr=fpr, fnr=fnr, estimator_name='example estimator'
... )
>>> display.plot()  
>>> plt.show()      

Métodos

plot	Visualización de la gráfica.

plot()

Visualización de la gráfica.

Parámetros

axejes matplotlib, default=None

Objeto de ejes en los que dibujar. Si es None, se crea una nueva figura y ejes.

namecadena de caracteres, default=None

Nombre de la curva DET para la etiqueta. Si es None, utiliza el nombre del estimador.

Devuelve

displayDetCurveDisplay

Objeto que almacena valores calculados.