前言

ROC（Receiver Operating Characteristic）曲線和AUC常被用來評價一個二值分類器（binary classifier）的優劣。這篇文章將先簡單的介紹ROC和AUC，而后用實例演示如何python作出ROC曲線圖以及計算AUC。

AUC介紹

AUC(Area Under Curve)是機器學習二分類模型中非常常用的評估指標，相比于F1-Score對項目的不平衡有更大的容忍性，目前常見的機器學習庫中(比如scikit-learn)一般也都是集成該指標的計算，但是有時候模型是單獨的或者自己編寫的，此時想要評估訓練模型的好壞就得自己搞一個AUC計算模塊，本文在查詢資料時發現libsvm-tools有一個非常通俗易懂的auc計算，因此摳出來用作日后之用。

AUC計算

AUC的計算分為下面三個步驟：

??? 1、計算數據的準備，如果模型訓練時只有訓練集的話一般使用交叉驗證的方式來計算，如果有評估集(evaluate)一般就可以直接計算了，數據的格式一般就是需要預測得分以及其目標類別（注意是目標類別，不是預測得到的類別）

??? 2、根據閾值劃分得到橫（X:False Positive Rate）以及縱（Y:True Positive Rate）點

??? 3、將坐標點連成曲線之后計算其曲線下面積,就是AUC的值

直接上python代碼

            
#! -*- coding=utf-8 -*-
import pylab as pl
from math import log,exp,sqrt


evaluate_result="you file path"
db = [] #[score,nonclk,clk]
pos, neg = 0, 0 
with open(evaluate_result,'r') as fs:
 for line in fs:
 nonclk,clk,score = line.strip().split('\t')
 nonclk = int(nonclk)
 clk = int(clk)
 score = float(score)
 db.append([score,nonclk,clk])
 pos += clk
 neg += nonclk
 
 

db = sorted(db, key=lambda x:x[0], reverse=True)

#計算ROC坐標點
xy_arr = []
tp, fp = 0., 0.  
for i in range(len(db)):
 tp += db[i][2]
 fp += db[i][1]
 xy_arr.append([fp/neg,tp/pos])

#計算曲線下面積
auc = 0.  
prev_x = 0
for x,y in xy_arr:
 if x != prev_x:
 auc += (x - prev_x) * y
 prev_x = x

print "the auc is %s."%auc

x = [_v[0] for _v in xy_arr]
y = [_v[1] for _v in xy_arr]
pl.title("ROC curve of %s (AUC = %.4f)" % ('svm',auc))
pl.xlabel("False Positive Rate")
pl.ylabel("True Positive Rate")
pl.plot(x, y)# use pylab to plot x and y
pl.show()# show the plot on the screen
          

輸入的數據集可以參考svm預測結果

其格式為:

            
nonclk \t clk \t score
          

其中：
??? 1、nonclick:未點擊的數據，可以看做負樣本的數量

??? 2、clk:點擊的數量，可以看做正樣本的數量

??? 3、score:預測的分數，以該分數為group進行正負樣本的預統計可以減少AUC的計算量

運行的結果為:

如果本機沒安裝pylab可以直接注釋依賴以及畫圖部分

注意

上面貼的代碼:

??? 1、只能計算二分類的結果（至于二分類的標簽隨便處理）

??? 2、上面代碼中每個score都做了一次閾值，其實這樣效率是相當低的，可以對樣本進行采樣或者在計算橫軸坐標時進行等分計算

總結

以上就是這篇文章的全部內容，希望本文的內容能對大家的學習或者工作帶來一定的幫助，如果有疑問大家可以留言交流。