求AUC,accuracy

最新推荐文章于 2022-09-13 15:20:17 发布
最新推荐文章于 2022-09-13 15:20:17 发布
阅读量274 收藏
点赞数
分类专栏： 推荐系统
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39221360/article/details/107983911
版权 
import pandas as pd
import lightgbm as lgb
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import label_binarize
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import GradientBoostingClassifier
from sklearn import metrics
from sklearn.metrics import accuracy_score,roc_auc_score
from xgboost.sklearn import XGBClassifier

#读取数据
data_all = pd.read_csv('/test.csv', encoding='gbk')
#划分数据集
features = [x for x in data_all.columns if x not in ['status']]
X = data_all[features]
y = data_all['status']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=2018)
#计算准确率
forest=RandomForestClassifier(n_estimators=100,random_state=2018) #　随机森林
forest.fit(X_train,y_train)
forest_y_score=forest.predict_proba(X_test)
# print(forest_y_score[:,1])
forest_score=forest.score(X_test,y_test) #准确率
# print('forest_score:',forest_score)


Gbdt=GradientBoostingClassifier(random_state=2018) #CBDT
Gbdt.fit(X_train,y_train)
Gbdt_score=Gbdt.score(X_train,y_train) #准确率
# print('Gbdt_score:',Gbdt_score)


Xgbc=XGBClassifier(random_state=2018)  #Xgbc
Xgbc.fit(X_train,y_train)
y_xgbc_pred=Xgbc.predict(X_test)
Xgbc_score=accuracy_score(y_test,y_xgbc_pred) #准确率
# print('Xgbc_score:',Xgbc_score)


gbm=lgb.LGBMClassifier(random_state=2018)  #lgb
gbm.fit(X_train,y_train)
y_gbm_pred=gbm.predict(X_test)
gbm_score=accuracy_score(y_test,y_gbm_pred)  #准确率
# print('gbm_score:',gbm_score)

#计算AUC
y_test_hot = label_binarize(y_test,classes =(0, 1)) # 将测试集标签数据用二值化编码的方式转换为矩阵
Gbdt_y_score = Gbdt.decision_function(X_test) # 得到Gbdt预测的损失值
forest_fpr,forest_tpr,forest_threasholds=metrics.roc_curve(y_test_hot.ravel(),forest_y_score[:,1].ravel()) # 计算ROC的值,forest_threasholds为阈值
Gbdt_fpr,Gbdt_tpr,Gbdt_threasholds=metrics.roc_curve(y_test_hot.ravel(),Gbdt_y_score.ravel()) # 计算ROC的值,Gbdt_threasholds为阈值

forest_auc=metrics.auc(forest_fpr,forest_tpr) #Gbdt_auc值
# print('forest_auc',forest_auc)


Gbdt_auc=metrics.auc(Gbdt_fpr,Gbdt_tpr) #Gbdt_auc值
# print('Gbdt_auc:',Gbdt_auc)


Xgbc_auc=roc_auc_score(y_test,y_xgbc_pred) #Xgbc_auc值
# print('Xgbc_auc:',Xgbc_auc)


gbm_auc=roc_auc_score(y_test,y_gbm_pred) #gbm_auc值
# print('gbm_auc:',gbm_auc)

 

JohnManLi
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
keras用auc做metrics以及早停实例
09-16
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy', auroc]) ``` 另外，Keras也提供了内置的`tf.metrics.auc`方法，可以直接用于模型编译： ```python def auc(y_true, y_...
Pytorch中accuracy和loss的计算知识点总结
09-18
在PyTorch中，训练深度学习模型时，`accuracy`和`loss`是两个关键的指标，用于评估模型的性能和指导模型的优化过程。本文将深入探讨这两个概念及其在PyTorch中的计算方法。 首先，`accuracy`是衡量模型预测正确率的...
准确率（Accuracy）、精确率(Precision)、召回率(Recall)、F值(F-Measure)、AUC、ROC的理解
qfikh的博客
03-03 3万+
一、准确率、精确率、召回率和 F 值 (1)若一个实例是正类，但是被预测成为正类，即为真正类(True Postive TP) (2)若一个实例是负类，但是被预测成为负类，即为真负类(True Negative TN) (3)若一个实例是负类，但是被预测成为正类，即为假正类(False Postive FP) (4)若一个实例是正类，但是被预测成为负类，即为假负类(False Negat...
【评价指标】AUC和accuracy有什么内在关系？
sxl的博客
09-13 653
[1]在机器学习中AUC和accuracy有什么内在关系？
机器学习分类问题指标理解——准确率(accuracy)、精确率(precision)、召回率(recall)、F1-Score、ROC曲线、P-R曲线、AUC面积
Michael的博客
03-18 1万+
简单理解分类问题的7项模型评估指标：准确率(accuracy)、精确率(precision)、召回率(recall)、F1-Score、ROC曲线、P-R曲线、AUC面积
分类预测输出precision，recall，accuracy，auc和tp，tn，fp，fn矩阵
蔡军帅
09-06 909

 此次我做的实验是二分类问题，输出precision，recall，accuracy，auc
  
 
 # -*- coding: utf-8 -*-
 #from sklearn.neighbors import 
 import numpy as np
 from pandas import read_csv&#...
AUC用于二分类为啥比accuracy更常用？
fredinators的博客
03-30 4140
很多机器学习的模型对于分类问题的预测结果都是概率，如果计算accuracy，需要把概率转换为类别，这就需要手动设置一个阈值。高于该阈值放入A类，低于该阈值放入B类。该阈值很大程度上影响accuracy的计算。AUC可以避免将概率转换成类别。ROC：x轴-FP，y轴-TPAUC的含义：从所有1（0）样本中随机选择一个样本，放入分类器进行预测，预测1-->1的概率为p1，预测0-->1的概...
Evaluation.zip_accuracy_evaluation
07-15
4. **ROC曲线与AUC值**：ROC曲线描绘了不同阈值下真阳性率（TPR，Recall）与假阳性率（FPR）的关系，AUC（Area Under Curve）是ROC曲线下的面积，AUC值越大，模型的区分能力越强。 5. **混淆矩阵（Confusion Matrix...
classifier_D.rar_AUC_svm accuracy_分类评价指标_灵敏度代码_预测模型
07-14
使用SVM分类器来预测...分类器构建)，评价模型时使用无被交叉验证，性能评价指标包括准确率，AUC，灵敏度，特异度。学会最基本的机器学习方法。可查看分发给大家的代码，以后遇到类似的问题，可用相似的思路和代码。
Accuracy_matlab_
10-02
【标题】"Accuracy_matlab_" 暗示我们讨论的主题是关于在 MATLAB 环境中衡量模型预测的精度。MATLAB 是一个广泛使用的数学计算软件，尤其在数据分析、算法开发和建模方面非常强大。在机器学习和统计分析中，准确度...
评测指标Accuracy、Precision、Recall、F1以及AUC值、ROC曲线
AngeliaZ
10-08 1653
准确率、精确率、召回率、F1值、ROC/AUC整理笔记 https://blog.csdn.net/u013063099/article/details/80964865   预测坏     实际坏 —— TP 预测坏     实际好 —— FP 预测好     实际坏 —— FN 预测好     实际好 —— TN   对转载博文进行总结，主要方便对这些评测标准理解： 1、准确...
机器学习常用评价指标：ACC、AUC、ROC曲线
shiaiao的博客
10-06 4万+
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录前言一、混淆矩阵二、评价指标1.准确度（Accuracy）总结欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一
机器学习11. ROC曲线、AUC值、Accuracy、Precision、Recall 含义
xd_ljq的博客
05-12 1702
AUC 【****】/ROC，Accuracy，Precision，Recall 含义。查准率，查全率，样本均衡问题 部分图片转自这里 行的True和False表示预测为正负 列的Pos和Neg表示真实的正负 表哥说明： True Positive(TP)：将正类预测为正类的数量. True Negative(TN)：将负类预测为负类的数量. False Positive(FP)：将负类预测...
算法模型评估之混淆矩阵，accuracy，查准率，查全率，AUC（ROC）等小总结
Miracle8070
12-13 8203
学习机器模型，少不了借助一些策略来评估模型的好坏，而准确率、精确率（查准率）、召回率（查全率）、F1值、ROC曲线的AUC值，都可以作为评价一个机器学习模型好坏的指标（evaluation metrics），而这些评价指标直接或间接都与混淆矩阵有关，前四者可以从混淆矩阵中直接计算得到，AUC值则要通过ROC曲线进行计算，而ROC曲线的横纵坐标又和混淆矩阵联系密切，所以在了解这些评价指标之前，先知道...
python求预测值和真实值的accuracy的一个简单方法
cxliebtdich的博客
03-04 4419
分享一个求accuracy的简单方法： 真实值(groud_truth)和预测值(prediction)都储存在一个list里面，且长度相等 acc = (prediction == groud_truth).mean() 解释：(prediction == groud_truth) 返回的也是一个list，里面包含的值都是 true false(预测对了就是true，错了就是false). .mean之后，就是把true当作1，false当作0，求均值，就是accuracy ...
机器学习常见评价指标：AUC、Precision、Recall、F-measure、Accuracy
热门推荐
zhihua_oba的博客
11-30 4万+
机器学习常见评价指标：AUC、Precision、Recall、F-measure、Accuracy 主要内容 AUC的计算 Precision、Recall、F-measure、Accuracy的计算 1、AUC的计算   AUC是一个模型评价指标，用于二分类模型的评价。AUC是“Area under Curve（曲线下的面积）”的英文缩写，而这条“Curve（曲线）”就是ROC曲线。
ROC、AUC、Recall、Precision、Accuracy、F1、PRC 是什么？
OOC_ZC的博客
05-03 5027
这些都是评价分类器性能的指标。 二分类问题为例： 图片来自网络 Accuracy(准确率)： (TP + TN) / (TP + TN + FN + FP) 准确率指标的问题在于如果问题为偏斜类(Skewed classes)，比如真实值中正反比例为 99:1，那预测值无脑预测均为正值，准确率就可达99%，而反例则一个也预测不出来，显然是不可理的。 由此有了Precision(精确率...
机器学习 评价指标-召回率（Recall） 精确率（Precision）准确率（Accuracy）ROC曲线和AUC值
打牛地的博客
10-07 2914
召回率（Recall） 精确率（Precision）准确率（Accuracy）ROC曲线和AUC值 是机器学习中常用的评价指标，下面用具体的事例来一一介绍每个指标的具体含义。 假设某个班级有男生80人，女生20人，共100人。目标是找出所有的女生 现在有人挑选出了50个人，其中20个是女生，另外还错误的把30个男生也当作女生挑选了出来。 下面根据一个图给大家说几个概念。 TP(True Posi...
auc是不是和accuracy同步变化
最新发布
05-25
在机器学习中，Accuracy（准确率）是预测正确的样本数与总样本数之比，而AUC（曲线下面积）是ROC曲线下的面积。虽然Accuracy和AUC都衡量了一个模型的性能，但它们关注的是不同的方面。 Accuracy衡量的是正确预测的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值