auc#

sklearn.metrics.auc(x, y)[source]#

使用梯形规则计算曲线下面积 (AUC)。

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。要汇总精确率-召回率曲线的另一种方法，请参阅 average_precision_score。

参数:
xarray-like of shape (n,)

X 坐标。这些必须是单调递增或单调递减的。

yarray-like of shape (n,)

Y 坐标。

返回:
aucfloat

曲线下面积。

另请参阅

roc_auc_score

计算 ROC 曲线下的面积。

average_precision_score

从预测得分计算平均精确率。

precision_recall_curve

计算不同概率阈值的精确度-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