本文和大家分享的主要是python计算auc指标相关内容，一起来看看吧，希望对大家学习python http://www.maiziedu.com/land/python/有所帮助。
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 ])
随时随地看视频
