sklearn.metrics.roc_auc_score()函数用法

最新推荐文章于 2025-03-15 21:43:33 发布

嗯哼自信点

最新推荐文章于 2025-03-15 21:43:33 发布

阅读量2w

点赞数 9

分类专栏： auc

本文链接：https://blog.csdn.net/A__tree/article/details/107742766

版权

auc 专栏收录该内容

1 篇文章

订阅专栏

sklearn.metrics.roc_auc_score(y_true, y_score, *, average='macro', sample_weight=None, max_fpr=None, multi_class='raise', labels=None)

二分类

y_true：样本的真实标签，形状（样本数，）
y_score：预测为1的概率值，形状（样本数，）

例子

import numpy as np
from sklearn.metrics import roc_auc_score
y_true = np.array([0, 0, 1, 1])
print(y_true.shape)#(4,)
y_predprob =np.array([[0.9,0.1],[0.6,0.4],[0.65,0.35],[0.2,0.8]])
#print(y_predprob)
y_scores=y_predprob[:,1] #取预测标签为1的概率 
auc=roc_auc_score(y_true, y_scores)
print(auc)#0.75