ROC-AUC PR-AUC F1

找到一篇论文代码浮现的时候人家用matplotlib画图。。。但是这个图片虽然美观但是到底是没有那一串串数字吸引人，比如这样的

然后我就把它改了，记录一下

from sklearn.metrics import precision_recall_curve
from sklearn.metrics import f1_score
from sklearn.metrics import precision_recall_curve
from sklearn.metrics import roc_auc_score, precision_recall_curve, roc_curve, auc, confusion_matrix

precision, recall, _ = precision_recall_curve(y_label, y_pred)
 # ROC-AUC
print(roc_auc_score(y_label, y_pred))

# PR-AUC
print(auc(precision, recall))

 # F1
print(f1_score(y_label, y_pred))

我不想知道这些怎么算的，建议不要和我学，还是要发扬一下刨根问底的求知精神。

额，bug

 出现问题，还得是学习一下这些怎么是什么意思：在此总结

sklearn中绘制 ROC 曲线的函数 roc_curve() 解释_Stephen的博客-CSDN博客_roc_curve

fpr, tpr, thresholds = roc_curve(y_label, y_pred)

roc_curve 是画ROC曲线的，三个返回值
fpr = false positive rate
tpr = true positive rate
thresholds 阈值

 ROC曲线的横纵坐标就是fpr tpr，PR、ROC、AUC全击破 - 知乎

最上面那个代码，roc_auc_score计算没有问题，pass

PR AUC计算出现问题ROC-AUC 与 PR-AUC 的区别与联系 - 知乎

 横纵坐标分别是recall ,precision

#ROC AUC
print(roc_auc_score(y_label, y_pred))

#PR AUC
precision, recall, _ = precision_recall_curve(y_label, y_pred)
print(auc(recall, precision))

Recall在前，precision在后就对了

最后F1score报错了。。。

 没搜到。。

发现问题是我太傻了，预测值我怎么给个连续的呢。。。

很明显要给个阈值呀

#F1
print(f1_score(y_label, [1 if i > 0.6 else 0 for i in y_pred], average="micro"))

这样就好了。

之前sklearn安装时候出现了这个问题

第一次在linux服务器上跑python项目_未空blog的博客-CSDN博客

python的包真好用