1、安裝scikit-learn

1.1Scikit-learn 依賴

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

分別查看上述三個依賴的版本，

python -V 結果：Python 2.7.3
python -c 'import scipy; print scipy.version.version' scipy版本結果：0.9.0
python -c "import numpy; print numpy.version.version" numpy結果：1.10.2

1.2 Scikit-learn安裝

如果你已經安裝了NumPy、SciPy和python并且均滿足1.1中所需的條件，那么可以直接運行sudo pip install -U scikit-learn 執行安裝。

2、計算auc指標

            
 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、計算roc曲線

            
 import numpy as np
 from sklearn import metrics
 y = np.array([1, 1, 2, 2])  #實際值
 scores = np.array([0.1, 0.4, 0.35, 0.8]) #預測值
 fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2) #pos_label=2，表示值為2的實際值為正樣本
 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計算auc指標實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。