[sklearn]性能度量之AUC值（from sklearn.metrics import roc_auc_curve）

原创博文，转载请注明出处！

1.AUC

      AUC（Area Under ROC Curve），即ROC曲线下面积。

2.AUC意义

      若学习器A的ROC曲线被学习器B的ROC曲线包围，则学习器B的性能优于学习器A的性能；若学习器A的ROC曲线和学习器B的ROC曲线交叉，则比较二者ROC曲线下的面积大小，即比较AUC的大小，AUC值越大，性能越好。

3.sklearn中计算AUC值的方法

• 形式：

       from sklearn.metrics import roc_auc_score

       auc_score = roc_auc_score(y_test,y_pred)

• 说明：
• y_pred即可以是类别，也可以是概率。
• roc_auc_score直接根据真实值和预测值计算auc值，省略计算roc的过程。

# -*- coding: utf-8 -*-
"""
# 作者：wanglei5205
# 邮箱：wanglei5205@126.com
# 博客：http://cnblogs.com/wanglei5205
# github：http://github.com/wanglei5205
"""

### 真实值和预测值
import numpy as np
y_test = np.array([0,0,1,1])
y_pred1 = np.array([0.3,0.2,0.25,0.7])
y_pred2 = np.array([0,0,1,0])

### 性能度量auc
from sklearn.metrics import roc_auc_score

# 预测值是概率
auc_score1 = roc_auc_score(y_test,y_pred1)
print(auc_score1)

# 预测值是类别
auc_score2 = roc_auc_score(y_test,y_pred2)
print(auc_score2)