python实现AUC

最新推荐文章于 2024-08-09 00:45:10 发布
最新推荐文章于 2024-08-09 00:45:10 发布
阅读量6.6k 收藏 9
点赞数 11
文章标签： python 机器学习
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/yinhui_zhang/article/details/96893330
版权
本文介绍了如何使用Python实现AUC（Area Under the Curve），详细解释了AUC的物理含义，并通过代码验证了算法的正确性，同时给出了相关参考资料。
摘要由CSDN通过智能技术生成

问题描述：

在牛客看到面经说手撕ＡＵＣ，所以实现一下。首先要明白ＡＵＣ的物理含义不仅是ＲＯＣ曲线下的面积，ＡＵＣ还有另外一个物理含义就是：给定正样本Ｍ个，负样本Ｎ个，以及他们的预测概率（０－１）之间，那么ＡＵＣ的含义就是所有穷举所有的正负样本对，如果正样本的预测概率大于负样本的预测概率，那么就＋１；如果如果正样本的预测概率等于负样本的预测概率，那么就＋0.5,　如果正样本的预测概率小于负样本的预测概率，那么就＋０；最后把统计处理的个数除以Ｍ×Ｎ就得到我们的ＡＵＣ，公式描述如下：

　　　　　　　　　　　　

代码实现：

对比了ｓｋｌｅａｒｎ中ａｕｃ的计算值，验证算法的正确性。

def AUC(label, pre):
　　"""
　　适用于ｐｙｔ
最低0.47元/天 解锁文章
我的暑假作业没写完
关注
AUC计算方法与Python实现代码
09-17
今天小编就为大家分享一篇AUC计算方法与Python实现代码，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
对AUC的理解
march_on的专栏
09-23 2151
auc是常见的对二类分类器的评价指标,其大小等于ROC曲线下的面积。ROC曲线的横坐标为false postive rate（fpr),纵坐标为true positive rate(tpr)， false postive rate的计算法公式: fpr=fpfp+tn fpr=\frac{fp}{fp+tn} 其中，fp表示false positive，即负例被分成正例的个数，tn表示tru
python 计算AUC值skearn
weixin_37019116的博客
07-19 88
python相关学习资料：搭建私人助理大模型需要什么环境？GitLabCI/CD-pending的原因美国禁用中国大学MATLAB快四年，国产替代完成了吗？计算AUC值：使用Python和Scikit-learn 在机器学习领域，AUC（Area Under the Curve）是一个衡量模型性能的重要指标，特别是在...
AUC计算python实现
weixin_41888257的博客
12-16 1596
#!/usr/bin/env python # coding=utf-8 import numpy as np from sklearn.metrics import roc_curve from sklearn.metrics import auc def auc_calculate(labels,preds,n_bins=100): postive_len = sum(labels) negative_len = len(labels) - postive_len tota
AUC计算公式及python代码
qq_37668436的博客
03-20 7125
前言 auc的主要用于分析二分类的准确率，并且主要是对回归任务做分析，当然分类也阔以。 计算原理 一个原理是roc曲线的面积，但是比较复杂，代码不好实现所以基本上不会那么写，还一个是基于rank的公式计算，原理比较复杂，本文介绍最简单的实现。 计算原理： 遍历正负样本对 正样本的概率大于负样本，auc += 1 正样本的概率等于负样本，auc += 0.5 正样本的概率小于负样本，auc += 0 遍历完毕，auc = auc / 正负样本对数 举个例子： label = [1, 0, 0,] pre
一文梳理AUC原理及python实现
乌云踏雪
04-01 887
auc介绍：AUC即ROC曲线下的面积，假设是一个二分类的问题，我们如果使用逻辑回归，需要设定一个阈值做分类，AUC的计算方法同时考虑了分类器对于正例和负例的分类能力，在样本不平衡的情况下，依然能够对分类器作出合理的评价 roc曲线的横坐标和纵坐标分别是True Positive Rate（真阳率）、False Positive（伪阳率）； TPRate的意义是所有真实类别为1的样本中，预...
利用python画出AUC曲线的实例
09-17
今天小编就为大家分享一篇利用python画出AUC曲线的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
使用R和Python计算AUC
just_do_it_123的博客
03-16 1万+
## 使用ROCR包计算AUC ## 本来打算用python做数据分析的，因为之前一直在用python写爬虫，对python用的也算比较熟了，又写了基于numpy的智能计算，就是遗传算法，粒子群算法等的一些搜索算法，对比了matlab，觉得速度方面也还算不错，于是信心爆棚，直接进军kaggle了，结果把数据下载下来，采用最简单的多元线性回归模型，用的是sklearn的linear_model.L
ROC/AUC曲线学习及Python实现
热门推荐
Joker 007的博客
10-06 1万+
参考博客：【机器学习笔记】：一文让你彻底理解准确率，精准率，召回率，真正率，假正率，ROC/AUC 一、准确率，精准率，召回率 1.TP、TN、FP、FN概念 P（Positive）：代表1 N（Negative）：代表0 T（True）：代表预测正确 F（False）：代表错误 以上四种情况可理解为： 先看 ①预测结果（P/N），再根据②实际表现对比预测结果，给出判断结果（T/F）。 如： TP： 预测为1，预测正确，即实际1 FP： 预测为1，预测错误，即实际0 FN： 预测为0，预测错误，即实际1
AUC画图与计算
weixin_30332705的博客
06-05 1028
利用sklearn画AUC曲线 from sklearn.metrics import roc_curve labels=[1,1,0,0,1] preds=[0.8,0.7,0.3,0.6,0.5] fpr, tpr, thresholds = roc_curve(labels, preds) print(fpr)print(tpr)print(thresholds) ...
关于模型评价指标： 精确率，召回率，AUC等，计算AUC的python程序实现
weixin_43832437的博客
08-02 3042
精确率：
python实现AUC和ACC
06-03
下面是Python实现AUC和ACC的示例代码： ```python import numpy as np from sklearn.metrics import roc_auc_score, accuracy_score # 生成随机样本 y_true = np.random.randint(0, 2, size=100) y_pred = np....
AUC的Python实现：Scikitlearn实战
最新发布
AI天才研究院
08-09 1024
AUC的Python实现：Scikit-learn实战 1.背景介绍 在机器学习和数据挖掘领域中,评估模型性能是一个重要的环节。常用的评估指标有准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1分数等。然而,这些指标在处理不平衡数据集
手撕二分类的评价指标AUC
EWilsen
03-14 1652
对于二类分类问题常用的评价指标是精准度（precision）与召回率（recall）。通常以关注的类为正类，其他类为负类，分类器在测试数据集上的预测或正确或不正确，4种情况出现的总数分别记作：     TP——将正类预测为正类数     FN——将正类预测为负类数     FP——将负类预测为正类数     TN——将负类预测为负类数 由此：     精准率定义为：P = ...
算法面经字节篇
持续战斗状态的博客
10-11 374
6个 encoder 之间是串行，每个 encoder 中的两个子模块之间是串行，子模块自身是可以并行的，注意力层和前馈神经层这两个子模块单独来看都是可以并行的，不同单词之间是没有依赖关系的。BN：Batch Norm，每次对batch中的数据按维度进行 Normalization，在训练时使用的是 batch 内数据的分布特征，校验和测试时则是全局的数据分布特征；初始化建堆的时间复杂度为O(n),排序重建堆的时间复杂度为nlog(n),所以总的时间复杂度为O(n+nlogn)=O(nlogn)
ROC-AUC图形绘制
love1005lin的博客
11-03 2122
AUC举例数据 y = [1,1,1,1,1,1,0,0,0,1,1,0,0,1,1,0,0,1,1,0,0] prob = [0.42,0.73,0.55,0.37,0.57,0.70,0.25,0.23,0.46,0.62,0.76,0.46,0.55,0.56,0.56,0.38,0.37,0.73,0.77,0.21,0.39] 导包 import numpy as np #线性插值 from scipy import interp import matplotlib.pyplot as plt
画AUC曲线
Dawei_01的博客
06-14 4604
以pandas数据格式输入，画svm的交叉验证auc曲线import numpy as np import matplotlib.pyplot as plt import pandas as pd from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_sp...
Python深度学习：脑电图癫痫发作检测
YouZYC的博客
07-26 4852
学习脑电癫痫分类的时候在网上看到一个用python做深度学习的，拿过来学习一下。 网址http://dy.163.com/v2/article/detail/EEC68EH5054281P3.html 在运行的时候出现一个问题： only integers, slices (:), ellipsis (...), numpy.newaxis (None) and integer or boolea...
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