本文和大家分享的主要是python計(jì)算auc指標(biāo)相關(guān)內(nèi)容，一起來看看吧，希望對大家學(xué)習(xí)python有所幫助。

　　1.安裝scikit-learn

　　1.1Scikit-learn 依賴

　　· Python (>= 2.6 or >= 3.3),

　　· NumPy (>= 1.6.1),

　　· SciPy (>= 0.9).

　　分別查看上述三個(gè)依賴的版本，

　　python -V        結(jié)果：Python 2.7.3

　　python -c 'import scipy; print scipy.version.version'    scipy版本結(jié)果：0.9.0

　　python -c "import numpy; print numpy.version.version"   numpy結(jié)果：1.10.2

　　1.2 Scikit-learn安裝

　　如果你已經(jīng)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(yùn)行sudo

　　pip install - U scikit - learn

　　執(zhí)行安裝。

　　2.計(jì)算auc指標(biāo)

1 import numpy as np

2 from sklearn.metrics import roc_auc_score

3 y_true = np.array([0, 0, 1, 1])

4 y_scores = np.array([0.1, 0.4, 0.35, 0.8])

5 roc_auc_score(y_true, y_scores)

　　輸出：0.75

　　3.計(jì)算roc曲線

1 import numpy as np

2 from sklearn import metrics

3 y = np.array([1, 1, 2, 2])   #實(shí)際值

4 scores = np.array([0.1, 0.4, 0.35, 0.8])  #預(yù)測值

5 fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2)  #pos_label=2，表示值為2的實(shí)際值為正樣本

6 print fpr

7 print tpr

8 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 ])

來源：博客園