这是我的第300篇原创文章。

一、引言

一个预测模型的输出通常为介于0到1之间的一个值（pi），根据事前确定的阈值概率（cutoff value, probability threshold, pt），当pi > pt时，判断为阳性；当pi < pt时，判断为阴性。因此，患者被分成了预测阳性而施加干预和预测阴性而不施加干预的两组。

在预测阳性组中，存在着真阳性病人（TP）和假阳性病人（FP）。显然，治疗真阳性病人会带来受益（benefits），而治疗假阳性病人会造成伤害（harms）。选择不同的阈值概率，会改变TP和FP的比值，从而受益和伤害的改变。为了同时考虑受益和伤害，决策曲线分析中，将模型的临床效用量化为净获益（net benefit）。

所谓决策曲线，即是以不同的probability threshold为横坐标，其所对应的net benefit为纵坐标，画出的曲线。绘制模型的决策曲线，我们只需要模型输出的每个样本的预测概率（y_pred_score） 和 每个样本真实的分类（y_label） 。

二、实现过程

2.1 读取数据

data = pd.read_csv(r'Dataset.csv')
df = pd.DataFrame(data)

2.2 提取目标变量和特征变量

target = 'target'
features = df.columns.drop(target)
X = df[features]
y = df[target]

2.3 划分数据集

X_train, X_test, y_train, y_test = train_test_split(df[features], df[[target]], test_size=0.2, random_state=0)

2.4 归一化

mm1 = MinMaxScaler()  # 特征进行归一化
X_train_m = mm1.fit_transform(X_train)
mm2 = MinMaxScaler()  # 标签进行归一化
y_train_m = mm2.fit_transform(y_train)

2.5 模型构建与训练

model = LogisticRegression()
model.fit(X_train_m, y_train_m)

2.6 模型推理

X_test_m = mm1.transform(X_test)  # 注意fit_transform() 和 transform()的区别
y_pred_m = model.predict(X_test_m)
y_scores = model.predict_proba(X_test_m)
y_pred = mm2.inverse_transform(np.reshape(y_pred_m, (-1, 1)))

2.7 绘制决策曲线

thresh_group = np.arange(0, 1, 0.05)
net_benefit_model = calculate_net_benefit_model(thresh_group, list(y_scores[:, 1]), y_test)
net_benefit_all = calculate_net_benefit_all(thresh_group, y_test)
fig, ax = plt.subplots()
ax = plot_DCA(ax, thresh_group, net_benefit_model, net_benefit_all)
plt.show()

结果：

作者简介： 读研期间发表6篇SCI数据算法相关论文，目前在某研究院从事数据算法相关研究工作，结合自身科研实践经历持续分享关于Python、数据分析、特征工程、机器学习、深度学习、人工智能系列基础知识与案例。关注gzh：数据杂坛，获取数据和源码学习更多内容。

原文链接：

【Python机器学习系列】一文教你绘制机器学习模型决策曲线-逻辑回归模型为例（案例+源码）