1、安裝scikit-learn

1.1Scikit-learn 依賴

Python (>= 2.6 or >= 3.3),
NumPy (>= 1.6.1),
SciPy (>= 0.9).

分別查看上述三個(gè)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(yùn)行sudo pip install -U scikit-learn 執(zhí)行安裝。

2、計(jì)算auc指標(biāo)

            
 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)

輸出：0.75

          

3、計(jì)算roc曲線

            
 import numpy as np
 from sklearn import metrics
 y = np.array([1, 1, 2, 2])  #實(shí)際值
 scores = np.array([0.1, 0.4, 0.35, 0.8]) #預(yù)測(cè)值
 fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2) #pos_label=2，表示值為2的實(shí)際值為正樣本
 print fpr
 print tpr
 print 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 ])


          

以上這篇python計(jì)算auc指標(biāo)實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。