java 曲线计算_如何计算曲线下的部分面积（AUC）

假设我们开始

import numpy as np

from sklearn import metrics

现在我们设置真正的 y 并预测 scores ：

y = np.array([0, 0, 1, 1])

scores = np.array([0.1, 0.4, 0.35, 0.8])

(注意 y 已经从你的问题向下移了1 . 这是无关紧要的：无论是预测1,2还是0,1都可以获得完全相同的结果(fpr，tpr，阈值等)，但是某些 sklearn.metrics 函数是拖累的如果不使用0,1 . )

我们在这里看看AUC：

>>> metrics.roc_auc_score(y, scores)

0.75

如在你的例子中：

fpr, tpr, thresholds = metrics.roc_curve(y, scores)

>>> fpr, tpr

(array([ 0. , 0.5, 0.5, 1. ]), array([ 0.5, 0.5, 1. , 1. ]))

这给出了以下图：

plot([0, 0.5], [0.5, 0.5], [0.5, 0.5], [0.5, 1], [0.5, 1], [1, 1]);

通过构造，有限长度y的ROC将由矩形组成：

对于足够低的阈值，一切都将被归类为负数 .

随着阈值不断增加，在离散点处，一些负分类将变为正数 .