1、安裝scikit-learn

1.1 Scikit-learn 依賴

• Python (>= 2.6 or >= 3.3),
• NumPy (>= 1.6.1),
• SciPy (>= 0.9).

分別檢視上述三個依賴的版本：

python-V

結果：

Python2.7.3

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

scipy版本結果：

0.9.0

python-c"importnumpy;printnumpy.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並且均滿足1.1中所需的條件，那麼可以直接執行sudo

pipinstall-Uscikit-learn

執行安裝。

2、計算auc指標

importnumpyasnp
fromsklearn.metricsimportroc_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)

輸出：

0.75

3、計算roc曲線

importnumpyasnp
fromsklearnimportmetrics
y=np.array([1,2,2])#實際值
scores=np.array([0.1,0.8])#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
printfpr
printtpr
printthresholds

輸出：

array([0.,0.5,1.])
array([0.5,1.,1.])
array([0.8,0.1])

到此這篇關於python計算auc的方法的文章就介紹到這了,更多相關python如何計算auc內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！