sklearn.metrics中的评估方法介绍

来源：互联网发布：sql where between 编辑：程序博客网时间：2024/05/15 07:38

1. sklearn.metrics.roc_curve(true_y. pred_proba_score, pos_labal)

计算roc曲线，roc曲线有三个属性：fpr, tpr,和阈值，因此该函数返回这三个变量,l例如

import numpy as npfrom sklearn.metrics import roc_curvey = np.array([1,1,2,2])pred = np.array([0.1, 0.4, 0.35, 0.8])fpr, tpr, thresholds = roc_curve(y, pred, pos_label=2)fpr      # array([ 0. ,  0.5,  0.5,  1. ])tpr      # array([ 0.5,  0.5,  1. ,  1. ])thresholds      #array([ 0.8 ,  0.4 ,  0.35,  0.1 ])from sklearn.metrics import aucmetrics.auc(fpr, tpr)0.75

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

计算AUC值，其中x,y分别为数组形式，根据(xi, yi)在坐标上的点，生成的曲线，然后计算AUC值；

3. sklearn.metrics.roc_auc_score(true_y, pred_proba_y)

直接根据真实值（必须是二值）、预测值（可以是0/1, 也可以是proba值）计算出auc值，中间过程的roc计算省略

0 0