1、安裝scikit-learn
1.1scikit-learn 依賴
python (>= 2.6 or >= 3.3),
numpy (>= 1.6.1),
scipy (>= 0.9).
分別檢視上述三個依賴的版本，
python -v 結果：python 2.7.3
python -c 'import scipy; print scipy.version.version' scipy版本結果：0.9.0
python -c "import numpy; print numpy.version.version" numpy結果：
1.2 scikit-learn安裝
如果你已經安裝了numpy、scipy和python並且均滿足1.1中所需的條件，那麼可以直接執行sudo pip install -u scikit-learn 執行安裝。
2、計算auc指標
import numpy as np
from sklearn.metrics 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)
輸出：0.75
3、計算roc曲線
import numpy as np
from sklearn import metrics
y = np.array([1, 1, 2, 2]) #實際值
scores = np.array([0.1, 0.4, 0.35, 0.8]) #**值
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2) #po程式設計客棧s_label=2，表示值為2的實際值為正樣本
print fpr
print tpr
print thresholds
輸出：array([ 0. , 0.5, 0.5, 1. ])
array([ 0.5, 0.www.cppcns.com5, 1. , 1. ])
array([ 0.8 , 0.4 , 0.35, 0.1 ])
本文標題: python計算auc指標例項
本文位址:
python計算auc的方法
1 安裝scikit learn 1.1 scikit learn 依賴 分別檢視上述三個依賴的版本 python v 結果 python 2.7.3 python c import scipy print scipy.version.version scipy版本結果 0.9.0 python c...
使用R和Python計算AUC
某日重新灑下的分割線，無奈的我又用回了python 原因有兩個，第一python用了好久了，不想再去用r了，雖然r的ggplot畫圖很好看，不過今天安裝了python的ggplot庫 好激動！第二，也是r的一大缺憾，就是迴圈簡直是慢得離譜。所以又用回了python，於是，就硬著頭皮來分析之前的程式裡...
AUC如何計算
auc area under curve 是機器學習二分類模型中非常常用的評估指標，相比於f1 score對專案的不平衡有更大的容忍性，目前常見的機器學習庫中 比如scikit learn 一般也都是整合該指標的計算，但是有時候模型是單獨的或者自己編寫的，此時想要評估訓練模型的好壞就得自己搞乙個au...