您好,登录后才能下订单哦!
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
小编给大家分享一下python计算auc的方法,希望大家阅读完这篇文章后大所收获,下面让我们一起去探讨吧!
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 ])
看完了这篇文章,相信你对python计算auc的方法有了一定的了解,想了解更多相关知识,欢迎关注亿速云行业资讯频道,感谢各位的阅读!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。