首页 > 代码库 > python计算auc指标
python计算auc指标
1.安装scikit-learn
1.1Scikit-learn 依赖
- Python (>= 2.6 or >= 3.3),
- NumPy (>= 1.6.1),
- SciPy (>= 0.9).
分别查看上述三个依赖的版本，
python -V 结果：Python 2.7.3
python -c ‘import scipy; print scipy.version.version‘ scipy版本结果：0.9.0
python -c "import numpy; print numpy.version.version" numpy结果：1.10.2
1.2 Scikit-learn安装
如果你已经安装了NumPy、SciPy和python并且均满足1.1中所需的条件，那么可以直接运行sudo pip install -U scikit-learn 执行安装。
2.计算auc指标
1 import numpy as np 2 from sklearn.metrics import roc_auc_score 3 y_true = np.array([0, 0, 1, 1]) 4 y_scores = np.array([0.1, 0.4, 0.35, 0.8]) 5 roc_auc_score(y_true, y_scores)
输出：0.75
3.计算roc曲线
1 import numpy as np 2 from sklearn import metrics 3 y = np.array([1, 1, 2, 2]) #实际值 4 scores = np.array([0.1, 0.4, 0.35, 0.8]) #预测值 5 fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2) #pos_label=2，表示值为2的实际值为正样本 6 print fpr 7 print tpr 8 print thresholds
输出：
array([ 0. , 0.5, 0.5, 1. ])
array([ 0.5, 0.5, 1. , 1. ])
array([ 0.8 , 0.4 , 0.35, 0.1 ])
python计算auc指标
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。