基于python使用两种方式计算预测模型交叉验证AUC值

最新推荐文章于 2024-06-12 13:21:53 发布

weixin_61066800

最新推荐文章于 2024-06-12 13:21:53 发布

阅读量428

点赞数 5

文章标签：数据分析 python 机器学习

本文链接：https://blog.csdn.net/weixin_61066800/article/details/135438523

版权

本文介绍了两种计算AUC（曲线下面积）的方法：一是使用交叉验证的平均概率，二是将所有折叠的预测概率汇总。通过这两个步骤，作者展示了如何评估和优化逻辑回归模型的性能。

摘要由CSDN通过智能技术生成

#方法一：使用各折交叉验证的平均概率计算AUC
tprs = []
aucs = []
mean_fpr = np.linspace(0, 1, 100)
thresholds = []

for i, (train, test) in enumerate(cv.split(X, y)):
    lr.fit(X[train], y[train])
    y_proba = lr.predict_proba(X[test])
    y_proba = y_proba[:,1]
    fpr,tpr,threshold = metrics.roc_curve(y[test],y_proba)
    roc_auc = metrics.auc(fpr,tpr)
    viz = metrics.RocCurveDisplay(fpr=fpr,tpr=tpr,roc_auc = roc_auc)
    interp_tpr = np.interp(mean_fpr,fpr,tpr)
    interp_tpr[0] = 0.0
    tprs.append(interp_tpr)
    thresholds.append(threshold)
    aucs.append(roc_auc)


mean_tpr = np.mean(tprs, axis=0)
mean_tpr[-1] = 1.0
mean_auc = auc(mean_fpr, mean_tpr)

print(mean_auc)


#方法二：将各折交叉验证的概率汇总计算AUC值
prob_fold = []
real_fold = []
roc_fold = 0
for i, (train,test) in enumerate (cv.split(X,y)):
    lr.fit(X[train],y[train])
    y_proba = lr.predict_proba(X[test])#每一折的预测值
    
    prob_fold.append(y_proba)
    real_fold.append(y[test])#十折预测值和真实值
    
    fpr,tpr,threshold = metrics.roc_curve(y[test],y_proba[:,1])
    roc_auc = auc(fpr,tpr)#每折roc
    roc_fold += roc_auc #10折auc相加

prob_fold = np.concatenate(prob_fold)
real_fold = np.concatenate(real_fold)
mean_auc = roc_fold / i
print(mean_auc)