scikit-learn常用接口

1）roc_auc_score 获取AUC score

用法：

from sklearn import metrics
auc = metrics.roc_auc_score(y_true, y_score)
常见问题：

Data is not binary and pos_label is not specified

原因：y_true必须是0 1 array，如果不是0,1可以有两种方式解决。

方式一：将y_true转为0,1 array

方式二：y_true可以不是0,1 但是需要指定pos_label

fpr, tpr, thresholds = metrics.roc_curve(y_true, y_score, pos_label='T')

auc = metrics.auc(fpr, tpr)

 

2) LabelEncoder 将category转换成数值型(0 ~ class_range-1)

用法：

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()

for col in X.columns.values:
    # Encoding only categorical variables
    if X[col].dtypes != float:
        data=X[col]
        data = data.factorize()[0]
        le.fit(data)
        X[col]=le.transform(data)

 

3) sklearn.model_selection.KFold  K折交叉验证

http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.KFold.html