扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
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！
创新互联公司是工信部颁发资质IDC服务器商，为用户提供优质的成都移动机房服务
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，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网