python计算auc指标

1.安装scikit-learn

  1.1Scikit-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 ])