小編給大家分享一下python計算auc的方法，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！
1、安裝scikit-learn
1.1 Scikit-learn 依賴
·Python (>= 2.6 or >= 3.3),
·NumPy (>= 1.6.1),
·SciPy (>= 0.9).
分別查看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：
1.10.2
1.2 Scikit-learn安裝
如果你已經安裝了NumPy、SciPy和python并且均滿足1.1中所需的條件，那么可以直接運行sudo
pip install - U scikit - learn
執行安裝。
2、計算auc指標
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)
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]) #預測值 fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2) #pos_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, 0.5, 1. , 1. ]) array([ 0.8 , 0.4 , 0.35, 0.1 ])
看完了這篇文章，相信你對python計算auc的方法有了一定的了解，想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
