小编给大家分享一下python计算auc的方法，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨吧！

1、安装scikit-learn

1.1 Scikit-learn 依赖

·Python (>= 2.6 or >= 3.3),

·NumPy (>= 1.6.1),

·SciPy (>= 0.9).

分别查看上述三个依赖的版本：

python-V

结果：

Python2.7.3

python-c'importscipy;printscipy.version.version'

scipy版本结果：

0.9.0

python-c"importnumpy;printnumpy.version.version"

numpy结果：

1.10.2

1.2 Scikit-learn安装

如果你已经安装了NumPy、SciPy和python并且均满足1.1中所需的条件，那么可以直接运行sudo

pipinstall-Uscikit-learn

执行安装。

2、计算auc指标

importnumpyasnpfromsklearn.metricsimportroc_auc_scorey_true=np.array([0,0,1,1])y_scores=np.array([0.1,0.4,0.35,0.8])roc_auc_score(y_true,y_scores)

输出：

0.75

3、计算roc曲线

importnumpyasnpfromsklearnimportmetricsy=np.array([1,1,2,2])#实际值scores=np.array([0.1,0.4,0.35,0.8])#预测值fpr,tpr,thresholds=metrics.roc_curve(y,scores,pos_label=2)#pos_label=2，表示值为2的实际值为正样本printfprprinttprprintthresholds

输出：

array([0.,0.5,0.5,1.])array([0.5,0.5,1.,1.])array([0.8,0.4,0.35,0.1])

看完了这篇文章，相信你对python计算auc的方法有了一定的了解，想了解更多相关知识，欢迎关注亿速云行业资讯频道，感谢各位的阅读！