1、安裝scikit-learn

1.1 Scikit-learn 依賴

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并且均滿足1.1中所需的條件，那么可以直接運行sudo

pip install - U scikit - learn

執行安裝。

2、計算auc指標

import numpy as npfrom sklearn.metrics import roc_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)

輸出：

0.75

3、計算roc曲線

import numpy as npfrom sklearn import metricsy = np.array([1, 1, 2, 2]) #實際值scores = np.array([0.1, 0.4, 0.35, 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print fprprint tprprint 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 ])

到此這篇關于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內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！