Как построить ROC-кривую в склеарне для метода LASSO?

Question

Я хочу сравнить лассо с другими классификаторами в склеарне. У меня есть вектор двоичного результата у. Я обычно вычисляю вектор вероятностей, который содержит предсказанную вероятность для каждой входной точки иметь 1 в качестве фенотипа, а затем генерирую кривую ROC для этих 2 векторов. Но как вычислить эту вероятность для классификатора Лассо? Там нет метода предиката_проба.

Для других классификаторов этот код работает:

from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn import cross_validation
from sklearn import datasets
from sklearn.cross_validation import LeaveOneOut
import pandas as pd
from sklearn import metrics

#loading a toy dataset
iris = datasets.load_iris()
X = iris.data
random_state = np.random.RandomState(0)
n_samples, n_features = X.shape
X = np.c_[X, random_state.randn(n_samples, 200 * n_features)]

y = iris.target
X, y = X[y != 2], y[y != 2]
classifiers = [

    RandomForestClassifier(max_depth=5, n_estimators=10, max_features=1),
    LogisticRegression(),
]

classifierNames=[ "Random Forests", "Logistic Regression" ]
for clf in classifiers:
    print (clf)
    loo = LeaveOneOut(len(y))
    probas=[]
    for train, test in loo:

        probas.append ( clf.fit(X[train], y[train]).predict_proba(X[test])[0][1])


#probas is a vector that contains the probability of getting phenotype 1
#Then we just need to use our auc roc function for plotting.

dfphenotypes = pd.DataFrame (y) dfpredicted = pd.DataFrame (probas)

#probas contains the probability of getting phenotype 1
#then we just need to use our auc roc function.

roc_auc=metrics.roc_auc_score(dfphenotypes, dfpredicted)

fpr, tpr, thresholds=metrics.roc_curve(dfphenotypes, dfpredicted)

# Plot ROC curve
plt.plot(fpr, tpr, '--', label=classifierNames[i]+' (area = %0.3f)'  % roc_auc)
plt.plot([0, 1], [0, 1], 'k--')  # random predictions curve
plt.xlim([0.0, 1.0])
plt.ylim([0.0,     1.0])
plt.xlabel('False Positive Rate or (1 - Specifity)')
plt.ylabel('True Positive Rate or (Sensitivity)')
plt.title('Receiver Operating Characteristic')
plt.legend(loc="lower right")
plt.figure(num=1, figsize=(30,40))
print("auc =", roc_auc)