机器学习实战01:手动计算ROC-AUC

生信交流与合作请关注公众号@生信探索

ROC（全称为Receiver operating characteristic，意为受试者特征曲线）是一个二维平面空间中一条曲线，而AUC则是曲线下方面积（Area Under Curve）的计算结果，是一个具体的值

x轴是FPR，y轴是TPR，曲线上的每个点就对应着一组（FPR，TPR）坐标，所以我们的任务就是计算出所有的（FPR，TPR）坐标然后用线把他们连接起来就形成了ROC曲线，而AUC可以通过曲线下面积计算而来。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.metrics import RocCurveDisplay

首先手动创建一组预测值和对应的真实值，0一般为负类，1为正类，而且正类多设置为研究中较为关心的标签，比如把1设置为肿瘤，或者疾病。

np.random.seed(1314)
geneA = np.random.uniform(size=10)
label = [0]*5 + [1]*5
df = pd.DataFrame({
   'geneA':geneA,'label':label})
df = df.sort_values('geneA',ascending=False)
df.reset_index(drop=True,inplace=True) # 恢复行索引从0开始递增
df

  geneA  label
0  0.928483  1
1  0.864400  0
2  0.828642  1
3  0.749421  0
4  0.464414  1
5  0.407268  1
6  0.210935  0
7  0.140796  0
8  0.082719  0
9  0.012973  1

从1开始降低阈值࿰