AUC#

sklearn.metrics.auc(x, y)[源代码]#

使用梯形规则计算曲线下面积（UC）。

这是一个通用函数，给定曲线上的点。要计算ROC曲线下面积，请参阅 roc_auc_score . 有关总结准确率-召回曲线的替代方法，请参阅 average_precision_score .

参数:

x形状类似阵列（n，）: X坐标。它们必须是单调递增或单调递减的。
y形状类似阵列（n，）: Y坐标。

返回:

auc浮子: 曲线下面积。

参见

roc_auc_score: 计算ROC曲线下面积。
average_precision_score: 根据预测分数计算平均精度。
precision_recall_curve: Compute precision-recall pairs for different probability thresholds.

示例

>>> import numpy as np
>>> from sklearn import metrics
>>> y = np.array([1, 1, 2, 2])
>>> pred = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=2)
>>> metrics.auc(fpr, tpr)
np.float64(0.75)

画廊示例#

具有交叉验证的接收器工作特性（ROC）

Receiver Operating Characteristic (ROC) with cross validation