python计算auc指标实例
1、安装scikit-learn 1.1Scikit-learn 依赖 Python (>= 2.6 or >= 3.3), 分别查看上述三个依赖的版本, python -V 结果:Python 2.7.3 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([0,1,1]) 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([1,2,2]) #实际值 scores = np.array([0.1,0.8]) #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.,0.5,1. ]) array([ 0.5,1.,1. ]) array([ 0.8,0.1 ]) 以上这篇python计算auc指标实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持编程小技巧。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |