這篇文章將為大家詳細講解有關使用python如何實現計算auc，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。
1、安裝scikit-learn
1.1 Scikit-learn 依賴
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 ])
關于使用python如何實現計算auc就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
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。
