auc#

sklearn.metrics.auc(x, y)[источник]#

Вычислить площадь под кривой (AUC) с использованием правила трапеций.

Это общая функция, заданная точками на кривой. Для вычисления площади под ROC-кривой, см. roc_auc_score. Для альтернативного способа обобщения кривой точности-полноты см. average_precision_score.

Параметры:
xarray-like формы (n,)

Координаты X. Они должны быть либо монотонно возрастающими, либо монотонно убывающими.

yarray-like формы (n,)

Координаты Y.

Возвращает:
aucfloat

Площадь под кривой.

Смотрите также

roc_auc_score

Вычислить площадь под ROC-кривой.

average_precision_score

Вычисление средней точности из оценок предсказания.

precision_recall_curve

Вычислите пары точность-полнота для различных порогов вероятности.

Примеры

>>> import numpy as np
>>> from sklearn import metrics
>>> y_true = np.array([1, 1, 2, 2])
>>> y_score = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, tpr, thresholds = metrics.roc_curve(y_true, y_score, pos_label=2)
>>> metrics.auc(fpr, tpr)
0.75
На этой странице