背景
在开发一些机器学习应用时,经常需要展示模型的ROC曲线以及AUC值。我们固然可以在代码中编写函数或者直接调用已有的软件包来计算,但在某些场景下当面临的数据量很大时,网络的传输可能会影响系统的性能。这种情况下可以考虑直接在SQL语句中计算,而不需要将数据传回到客户端,从而提升效率和稳定性。
实现
计算AUC值需要两个参数:模型的输出值和样本真实的标签。我们可以假设数据库中有一个表用来保存这两个信息,然后基于这个表进行计算。为此我们先创建一张数据表(文中的例子均以PostgreSQL语法编写)
create table score_label(
score int,
label boolean
);
这里的score
定义为整型是为了简便,因为AUC的计算与模型输出值的绝对大小无关,只与模型输出值的相对大小相关。然后我们可以插入几条数据作为例子:
insert into score_label (score, label) values (9, TRUE);
insert into score_label (score, label) values (8, FALSE);
insert into score_label (score, label) values (7, TRUE);
insert into score_label (score, label) values (6