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 ])
以上这篇python计算auc指标实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
