auc#
- sklearn.metrics.auc(x, y)[source]#
使用梯形法则计算曲线下面积（AUC）。
这是一个通用函数，用于计算给定曲线上点的面积。要计算 ROC 曲线下面积，请参阅
roc_auc_score。有关总结精确度-召回率曲线的替代方法，请参阅average_precision_score。- 参数:
- x形如 (n,) 的类数组对象
X 坐标。这些坐标必须是单调递增或单调递减的。
- y形如 (n,) 的类数组对象
Y 坐标。
- 返回:
- auc浮点数
曲线下面积。
另请参阅
roc_auc_score计算 ROC 曲线下面积。
average_precision_score从预测分数计算平均精确度。
precision_recall_curve计算不同概率阈值下的精确度-召回率对。
示例
>>> import numpy as np >>> from sklearn import metrics >>> y_true = np.array([1, 1, 2, 2]) >>> y_score = np.array([0.1, 0.4, 0.35, 0.8]) >>> fpr, tpr, thresholds = metrics.roc_curve(y_true, y_score, pos_label=2) >>> metrics.auc(fpr, tpr) 0.75
