1.安裝scikit-learn

1.1Scikit-learn 依賴

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

分別查看上述三個依賴的版本，

python -V 結果：Python 2.7.3
　　python -c ‘import scipy; print scipy.version.version‘ scipy版本結果：0.9.0
python -c "import numpy; print numpy.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，那麽可以直接運行sudo pip install -U scikit-learn

2.計算auc指標

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.計算roc曲線

1 import numpy as np
2 from sklearn import metrics
3 y = np.array([1, 1, 2, 2])   #實際值
4
 
 scores = np.array([0.1, 0.4, 0.35, 0.8])  #預測值
5 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
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 ])

python計算auc指標