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，给定曲线上的点。要计算 ROC 曲线下的面积，请参见 roc_auc_score。对于总结精确率-召回率曲线的另一种方法，请参见 average_precision_score。

参数:

x形状为 (n,) 的类数组: X 坐标。这些坐标必须单调递增或单调递减。
y形状为 (n,) 的类数组: Y 坐标。

返回:

auc浮点数: 曲线下面积。

另请参见

ROC 曲线下面积 (AUC): 计算ROC曲线下面积。
average_precision_score: 根据预测分数计算平均精确率。
精确率-召回率曲线: 计算不同概率阈值下的精确率-召回率对。

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)

图库示例#