数据分析增益曲线图怎么画

奔跑的蜗牛评论

数据分析中的增益曲线（Gain Curve）图是评估分类模型性能的重要工具，它展示了模型在不同阈值下的准确性及模型与随机猜测的比较结果。以下是制作增益曲线图的步骤：

第一步：准备数据

获得分类模型在测试集上的预测结果，包括预测标签和预测概率（置信度）。
根据模型预测概率，对测试集中的样本进行排序，通常按照分类为正类的概率从高到低排列。

第二步：计算增益表

将样本按照预测概率排序后，将其分为若干组（分组数量可根据需求确定），计算每一组中真实正类样本的累积数量及总的真实正类样本数量。
计算每一组中累积正类样本数量占总的正类样本数量的比例，得到每一组的“增益”。

第三步：绘制增益曲线图

横轴为样本比例，表示分组后累积的样本数量除以总样本数量，纵轴为增益值。
根据增益表的结果，描绘出增益曲线图。通常增益曲线应当是递增的，且越接近45°线代表模型的预测效果越好。

第四步：分析曲线

分析增益曲线，检查曲线在哪个阈值处上升最为陡峭，此时模型性能最佳。
可以比较不同模型的增益曲线，找出最佳模型。

总结

通过绘制增益曲线图，可以直观地了解分类模型在不同阈值下的性能表现，并可以帮助数据科学家和业务人员做出更好的决策。

2年前 0条评论

程, 沐沐评论

数据分析中的增益曲线图是一种用于评估模型性能的重要工具。它可以帮助我们了解在不同阈值下的模型表现，对于评估分类模型尤其有用。接下来我将介绍如何绘制增益曲线图：

准备数据：首先，您需要有一个经过训练的分类模型以及一组测试数据集。确保您的模型已经预测出了每个样本的概率或者得分，用于之后的阈值设置。
计算增益：为了绘制增益曲线，您需要计算出在不同阈值下的真正阳性率（TPR，在横轴）和假阳性率（FPR，在纵轴）。您可以通过调整不同的阈值（比如0.1，0.2，0.3等）来计算出相应的TPR和FPR。
绘制曲线：一旦计算出了不同阈值下的TPR和FPR，您就可以将这些点连接起来，从而绘制出增益曲线。通常情况下，增益曲线是一个递增的曲线，表示在TPR增加的同时，FPR也会随之增加。
经常性能比较：除了增益曲线外，您还可以绘制随机分类模型的基准曲线（通常为对角线），以便直观地对比您的模型性能。在增益曲线上越接近左上角，说明您的模型性能越好。
解读结果：根据增益曲线可以看出模型在不同阈值下的性能情况。如果曲线面积越大，说明模型性能越好。如果曲线接近对角线，说明模型性能较差。

绘制增益曲线是评估分类模型性能的一种重要方法，通过对比不同模型的增益曲线可以帮助您选择最优的模型。希望以上步骤可以帮助您成功绘制数据分析的增益曲线图。

2年前 0条评论

快乐的小GAI 评论

数据分析增益曲线图绘制方法

增益曲线（Gain Chart）是数据分析中常用的一种工具，用于评估模型的预测能力以及指导业务决策。在绘制增益曲线时，通常会将模型的预测结果按照从高到低的顺序进行排序，然后根据不同累积比例绘制出累积响应比例、累积目标比例、随机选择比例等曲线，以直观地展示模型的效果和潜在价值。

下面将介绍如何使用Python中的matplotlib库来绘制数据分析增益曲线图。在绘制增益曲线图之前，首先需要准备模型的预测结果和真实标签数据。

步骤1：整理数据

首先，需要整理模型的预测结果及真实标签数据，一般情况下，预测结果可以是概率值、分数值或者分类标签，真实标签数据是目标变量的真实取值。将这两列数据整合到一个DataFrame中。

import pandas as pd

# 假设预测概率值为preds，真实标签为labels
data = {'preds': [0.8, 0.6, 0.4, 0.3, 0.2], 'labels': [1, 1, 0, 1, 0]}
df = pd.DataFrame(data)

步骤2：计算增益

在绘制增益曲线图时，常用的指标包括累积目标比例、累积响应比例和随机选择比例。分别计算这三个指标，并将其添加到DataFrame中。

df = df.sort_values(by='preds', ascending=False)
df['cumsum_labels'] = df['labels'].cumsum()
df['cumsum_responses'] = df['cumsum_labels'] / df['labels'].sum()
df['cumsum_ratio'] = (df.index + 1) / len(df)

步骤3：绘制增益曲线图

利用matplotlib库绘制增益曲线图，可以按照以下步骤操作：

import matplotlib.pyplot as plt

plt.figure(figsize=(8, 6))
plt.plot(df['cumsum_ratio'], df['cumsum_responses'], label='Cumulative Response Rate')
plt.plot(df['cumsum_ratio'], df['cumsum_ratio'], label='Random Selection Rate', linestyle='--')
plt.xlabel('Percentage of population')
plt.ylabel('Percentage of targets')
plt.title('Gain Chart')
plt.legend()
plt.show()