這篇文章給大家分享的是有關(guān)AUC計(jì)算方法與Python實(shí)現(xiàn)案例的內(nèi)容。小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過來看看吧。

云龍網(wǎng)站制作公司哪家好，找成都創(chuàng)新互聯(lián)！從網(wǎng)頁設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、自適應(yīng)網(wǎng)站建設(shè)等網(wǎng)站項(xiàng)目制作，到程序開發(fā)，運(yùn)營(yíng)維護(hù)。成都創(chuàng)新互聯(lián)2013年至今到現(xiàn)在10年的時(shí)間，我們擁有了豐富的建站經(jīng)驗(yàn)和運(yùn)維經(jīng)驗(yàn)，來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選成都創(chuàng)新互聯(lián)。

-AUC計(jì)算方法

-AUC的Python實(shí)現(xiàn)方式

AUC計(jì)算方法

AUC是ROC曲線下的面積，它是機(jī)器學(xué)習(xí)用于二分類模型的評(píng)價(jià)指標(biāo)，AUC反應(yīng)的是模型對(duì)樣本的排序能力。它的統(tǒng)計(jì)意義是從所有正樣本隨機(jī)抽取一個(gè)正樣本，從所有負(fù)樣本隨機(jī)抽取一個(gè)負(fù)樣本，當(dāng)前score使得正樣本排在負(fù)樣本前面的概率。

AUC的計(jì)算主要以下幾種方法：

1、計(jì)算ROC曲線下的面積。這是比較直接的一種方法，可以近似計(jì)算ROC曲線一個(gè)個(gè)小梯形的面積。幾乎不會(huì)用這種方法

2、從AUC統(tǒng)計(jì)意義去計(jì)算。所有的正負(fù)樣本對(duì)中，正樣本排在負(fù)樣本前面占樣本對(duì)數(shù)的比例，即這個(gè)概率值。

具體的做法就是它也是首先對(duì)prob score從大到小排序，然后令大prob score對(duì)應(yīng)的sample 的rank為n，第二大score對(duì)應(yīng)sample的rank為n-1，以此類推。

然后把所有的正類樣本的rank相加，再減去M-1種兩個(gè)正樣本組合的情況。

得到的就是所有的樣本中有多少對(duì)正類樣本的score大于負(fù)類樣本的score。

最后再除以M×N。

公式如下：

AUC的Python實(shí)現(xiàn)

通過上面方法二的公式，AUC計(jì)算的Python實(shí)現(xiàn)如下：

def calAUC(prob,labels):
  f = list(zip(prob,labels))
  rank = [values2 for values1,values2 in sorted(f,key=lambda x:x[0])]
  rankList = [i+1 for i in range(len(rank)) if rank[i]==1]
  posNum = 0
  negNum = 0
  for i in range(len(labels)):
    if(labels[i]==1):
      posNum+=1
    else:
      negNum+=1
  auc = 0
  auc = (sum(rankList)- (posNum*(posNum+1))/2)/(posNum*negNum)
  print(auc)
  return auc

其中輸入prob是得到的概率值，labels是分類的標(biāo)簽（1，-1）

感謝各位的閱讀！關(guān)于“AUC計(jì)算方法與Python實(shí)現(xiàn)案例”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！

當(dāng)前文章：AUC計(jì)算方法與Python實(shí)現(xiàn)案例-創(chuàng)新互聯(lián)
網(wǎng)頁地址：http://weahome.cn/article/desgpi.html