创新互联www.cdcxhl.cn八线动态BGP香港云服务器提供商，新人活动买多久送多久，划算不套路！
创新互联建站主营昆都仑网站建设的网络公司,主营网站建设方案,
手机APP定制开发,昆都仑h5
微信平台小程序开发搭建,昆都仑网站营销推广欢迎昆都仑等地区企业咨询
小编给大家分享一下python计算auc的方法，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨吧！
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：
Python 2.7.3
python -c 'import scipy; print scipy.version.version'
scipy版本结果：
0.9.0
python -c "import numpy; print numpy.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
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, 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, 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
print fpr
print tpr
print thresholds
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 ])
看完了这篇文章，相信你对python计算auc的方法有了一定的了解，想了解更多相关知识，欢迎关注创新互联-成都网站建设公司行业资讯频道，感谢各位的阅读！
当前标题：python计算auc的方法-创新互联
本文URL：
http://cdkjz.cn/article/hohec.html
