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

原創博文，轉載請注明出處！

1.AUC

      AUC（Area Under ROC Curve），即ROC曲線下面積。

2.AUC意義

      若學習器A的ROC曲線被學習器B的ROC曲線包圍，則學習器B的性能優於學習器A的性能；若學習器A的ROC曲線和學習器B的ROC曲線交叉，則比較二者ROC曲線下的面積大小，即比較AUC的大小，AUC值越大，性能越好。

3.sklearn中計算AUC值的方法

• 形式：

       from sklearn.metrics import roc_auc_score

       auc_score = roc_auc_score(y_test,y_pred)

• 說明：
• y_pred即可以是類別，也可以是概率。
• roc_auc_score直接根據真實值和預測值計算auc值，省略計算roc的過程。

# -*- coding: utf-8 -*-
"""
# 作者：wanglei5205
# 郵箱：[e-mail]
# 博客：http://cnblogs.com/wanglei5205
# github：http://github.com/wanglei5205
"""

### 真實值和預測值
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

# 預測值是概率
auc_score1 = roc_auc_score(y_test,y_pred1)
print(auc_score1)

# 預測值是類別
auc_score2 = roc_auc_score(y_test,y_pred2)
print(auc_score2)