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(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，那么可以直接運行sudo

pip install - U scikit - learn

執(zhí)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(guān)于python計算auc的方法的文章就介紹到這了,更多相關(guān)python如何計算auc內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！