#!/usr/bin/env python
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
from sklearn import metrics
from sklearn.metrics import auc
###################################################################
f = open('D:/CaffeInfo/D_TrainVal/' + 'y_true.txt')
y_true = []
for i in range(383): #383 = the number of images in test set
line = f.readline()
y_true = y_true+ [float(line)]
f.close()
print 'y_true:', y_true
print 'length of y_true:', y_true.__len__()
###################################################################
f = open('D:/CaffeInfo/D_TrainVal/' + 'y_scores.txt')
y_scores = []
for i in range(383):
line = f.readline()
y_scores = y_scores+ [float(line)]
f.close()
print 'y_scores:', y_scores
print 'length of y_true:', y_scores.__len__()
print('finish loading y_true y_scores')
###################################################################
fpr, tpr, thresholds = metrics.roc_curve(y_true, y_scores, pos_label=1)
AUC = auc(fpr, tpr)
print('fpr:')
print fpr
print( fpr.__len__() )
print('tpr:')
print tpr
print( tpr.__len__() )
###################################################################
plt.plot(fpr, tpr)
plt.title('ROC_curve' + '(AUC: ' + str(AUC) + ')' )
plt.ylabel('True Positive Rate')
plt.xlabel('False Positive Rate')
plt.show()
