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：

Python2.7.3python-c'importscipy;printscipy.version.version'

scipy版本结果：

0.9.0python-c"importnumpy;printnumpy.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

pipinstall-Uscikit-learn

执行安装。

2、计算auc指标

importnumpyasnpfromsklearn.metricsimportroc_auc_scorey_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

importnumpyasnpfromsklearnimportmetricsy=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printfprprinttprprintthresholds

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])

到此这篇关于python计算auc的方法的文章就介绍到这了,更多相关python如何计算auc内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！