本文和大家分享的主要是python计算auc指标相关内容，一起来看看吧，希望对大家学习python http://www.maiziedu.com/land/python/有所帮助。

　　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

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)

　　输出：0.75

　　3.计算roc曲线

1 import numpy as np

2 from sklearn import metrics

3 y = np.array([1, 1, 2, 2]) #实际值

4 scores = np.array([0.1, 0.4, 0.35, 0.8]) #预测值

5 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

6 print fpr

7 print tpr

8 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 ])

ITPub博客

python计算auc指标