【机器学习】auc的计算方法

auc是什么

auc是roc的面积，是从一批正负样本中，选择一个正样本，一个负样本，正样本比负样本预测值大的概率。我们使用频率去逼近概率，所以就先对所有样本预测值从大到小排序，并从高到低赋予rank值。抽取正负样本的组合共有 M*N，作为分母。抽取一个正样本，抽取一个比正样本预测值低的负样本，这个组合作为分子。最后的表达式就是

python代码

# 在 0.8, 0.6,0.5,0.5,0.5,0.5,0.3,0.2
#     1    1   0   0   1   0   0   0

#pos_count 是指正类的数量
#cur_sum 是累计的rank值
#count 是正负类一起的数量

def getAuc(labels,preds):


    sorted_index = sorted(range(len(labels)),key = lambda i:preds[i])
    cur_sum = 0
    count = 0
    pos = 0
    neg = 0
    pos_count = 0
    auc = 0
    last_pred = preds[sorted_index[0]]
    for i in range(len(sorted_index)):
        index = sorted_index[i]
        pred = preds[index]
        label = labels[index]
        if label>0:
            pos+=1
        else:
            neg+=1

        if pred==last_pred:
            cur_sum+=i+1
            count+=1
            if label>0:
                pos_count += 1
        else:
            auc+= pos_count * cur_sum/count
            cur_sum = i+1
            count =1
            last_pred = pred
            if label >0:
                pos_count = 1
            else:
                pos_count = 0

    auc += pos_count * cur_sum/count
    auc = auc - pos*(pos+1)*1.0/2
    auc = auc /(pos*neg)
    return auc
pred = [0.1,0.2,0.3,0.4,0.5,0.6,0.6,0.6,0.6,0.7,0.8,0.9,1.0]
label = [0,0,0,0,0,1,1,1,1,1,0,1,1]

print(getAuc(label,pred))