sklearn.metrics.auc解析

官方地址：点击打开链接

形式：sklearn.metrics.auc(x, y, reorder=False)

规则：利用梯形法则计算曲线下的面积(AUC)。

Parameters:

x : array, shape = [n] x 坐标 y : array, shape = [n] y 坐标 reorder : boolean, optional (default=False) 如果是True，假设在关系的情况下曲线是上升的，就像ROC曲线一样。如果曲线不上升，结果将是错误的。

Returns:

auc : float

已经得到了FPR.TPR,由此就得到了横纵坐标，然后用高数中学习的计算曲面面积的方法，也就梯度法（一种积分方法来计算曲线下面积）

import numpy as np
from sklearn import metrics
y = np.array([1, 1, 2, 2])
scores = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2)
print(fpr,'\n',tpr,'\n',thresholds)

这个比较简单，绘图如下：

就是计算黄色部分的面积，口算都可得到AUC=0.75

但是复杂的数据还是要用标准的算法，详细过程可以参考博客，写的很好：点击打开链接

只想知道怎么使用，不用知道原理的，计算代码如下：

import numpy as np
from sklearn import metrics
y = np.array([1, 1, 2, 2])
scores = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2)
print(fpr,'\n',tpr,'\n',thresholds)
print(metrics.auc(fpr,tpr))