sklearn.metrics中的评估方法介绍
2014-04-30 17:06
190 查看
1. sklearn.metrics.roc_curve(true_y. pred_proba_score, pos_labal)
计算roc曲线,roc曲线有三个属性:fpr, tpr,和阈值,因此该函数返回这三个变量,l例如
2. sklearn.metrics.auc(x, y, reorder=False):
计算AUC值,其中x,y分别为数组形式,根据(xi, yi)在坐标上的点,生成的曲线,然后计算AUC值;
3. sklearn.metrics.roc_auc_score(true_y, pred_proba_y)
直接根据真实值(必须是二值)、预测值(可以是0/1, 也可以是proba值)计算出auc值,中间过程的roc计算省略
计算roc曲线,roc曲线有三个属性:fpr, tpr,和阈值,因此该函数返回这三个变量,l例如
import numpy as np from sklearn.metrics import roc_curve y = np.array([1,1,2,2]) pred = np.array([0.1, 0.4, 0.35, 0.8]) fpr, tpr, thresholds = roc_curve(y, pred, pos_label=2) fpr # array([ 0. , 0.5, 0.5, 1. ]) tpr # array([ 0.5, 0.5, 1. , 1. ]) thresholds #array([ 0.8 , 0.4 , 0.35, 0.1 ]) from sklearn.metrics import auc metrics.auc(fpr, tpr) 0.75
2. sklearn.metrics.auc(x, y, reorder=False):
计算AUC值,其中x,y分别为数组形式,根据(xi, yi)在坐标上的点,生成的曲线,然后计算AUC值;
3. sklearn.metrics.roc_auc_score(true_y, pred_proba_y)
直接根据真实值(必须是二值)、预测值(可以是0/1, 也可以是proba值)计算出auc值,中间过程的roc计算省略
相关文章推荐
- Linux setUid,setGid 实例
- Add Two Numbers
- C++中引用(&)的用法和应用实例
- 使用WebView中的Javascript和本地代码交互
- Android中文件File path与content:// Uri的相互转换
- 【iOS越狱开发】如何将应用打包成.ipa文件
- jQuery选择器总结
- 从任正非讲话,看华为手机的战略走向(转)
- 备忘:CSS图片垂直居中全兼容淫技整理集合
- C语言实现通用链表初步(二)
- 最近还是挺烦躁的,唉不知道怎么办
- 指针数组与数组指针 指针函数与函数指针,内存动态分配
- 低调才是真正的高手作风
- 绝非危言怂听——中国买房人上大当了
- Oracle索引类型-参考
- json 使用
- 用无线键盘后,再用电脑上的键盘打字时会出现数字怎么办?
- HDU 3605 Escape 最大流
- boa如何调用cgi
- 先存储,后计算