python计算auc的方法
更新时间:2020年09月09日 07:49:41 作者:爱喝马黛茶的安东尼
在本篇文章里小编给大家整理的是关于python计算auc的方法及相关内容,有兴趣的朋友们可以学习下。
1、安装scikit-learn
1.1 Scikit-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
import numpy as np from sklearn.metrics import roc_auc_score y_true = np.array([0, 0, 1, 1]) y_scores = np.array([0.1, 0.4, 0.35, 0.8]) roc_auc_score(y_true, y_scores)
输出:
0.75
3、计算roc曲线
import numpy as np from sklearn import metrics y = np.array([1, 1, 2, 2]) #实际值 scores = np.array([0.1, 0.4, 0.35, 0.8]) #预测值 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 print fpr print tpr 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 ])
到此这篇关于python计算auc的方法的文章就介绍到这了,更多相关python如何计算auc内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
最新评论