auc#

sklearn.metrics.auc(x, y)[來源]#

使用梯形規則計算曲線下面積 (AUC)。

這是一個通用函數，給定曲線上的一些點。如需計算 ROC 曲線下的面積，請參閱 roc_auc_score。如需以替代方法摘要精確度-召回率曲線，請參閱 average_precision_score。

參數:

x形狀為 (n,) 的類陣列: X 座標。這些必須是單調遞增或單調遞減。
y形狀為 (n,) 的類陣列: Y 座標。

傳回值:

auc浮點數: 曲線下面積。

另請參閱

roc_auc_score: 計算 ROC 曲線下的面積。
average_precision_score: 從預測分數計算平均精確度。
precision_recall_curve: 計算不同機率閾值下的精確率-召回率配對。

範例

>>> import numpy as np
>>> from sklearn import metrics
>>> y = np.array([1, 1, 2, 2])
>>> pred = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=2)
>>> metrics.auc(fpr, tpr)
np.float64(0.75)

範例展示#