AUC计算方法与Python实现代码
-AUC计算方法
-AUC的Python实现方式
AUC计算方法
AUC是ROC曲线下的面积，它是机器学习用于二分类模型的评价指标，AUC反应的是模型对样本的排序能力。它的统计意义是从所有正样本随机抽取一个正样本，从所有负样本随机抽取一个负样本，当前score使得正样本排在负样本前面的概率。
AUC的计算主要以下几种方法：
1、计算ROC曲线下的面积。这是比较直接的一种方法，可以近似计算ROC曲线一个个小梯形的面积。几乎不会用这种方法
2、从AUC统计意义去计算。所有的正负样本对中，正样本排在负样本前面占样本对数的比例，即这个概率值。
具体的做法就是它也是首先对prob score从大到小排序，然后令最大prob score对应的sample 的rank为n，第二大score对应sample的rank为n-1，以此类推。
然后把所有的正类样本的rank相加，再减去M-1种两个正样本组合的情况。
得到的就是所有的样本中有多少对正类样本的score大于负类样本的score。
最后再除以M×N。
公式如下：
AUC的Python实现
通过上面方法二的公式，AUC计算的Python实现如下：
def calAUC(prob,labels):
f = list(zip(prob,labels))
rank = [values2 for values1,values2 in sorted(f,key=lambda x:x[0])]
rankList = [i+1 for i in range(len(rank)) if rank[i]==1]
posNum = 0
negNum = 0
for i in range(len(labels)):
if(labels[i]==1):
posNum+=1
else:
negNum+=1
auc = 0
auc = (sum(rankList)- (posNum*(posNum+1))/2)/(posNum*negNum)
print(auc)
return auc
其中输入prob是得到的概率值，labels是分类的标签（1，-1）
以上这篇AUC计算方法与Python实现代码就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持呐喊html" target="_blank">教程。
-
本文向大家介绍k-means 聚类算法与Python实现代码，包括了k-means 聚类算法与Python实现代码的使用技巧和注意事项，需要的朋友参考一下 k-means 聚类算法思想先随机选择k个聚类中心，把集合里的元素与最近的聚类中心聚为一类，得到一次聚类，再把每一个类的均值作为新的聚类中心重新聚类，迭代n次得到最终结果分步解析 一、初始化聚类中心 首先随机选择集合里的一个元素作为第一个聚类中
-
本文向大家介绍AUC的计算公式相关面试题，主要包含被问及AUC的计算公式时的应答技巧和注意事项，需要的朋友参考一下 参考回答： M为正样本数,N为负样本数。Rank的值代表能够产生前大后小这样的组合数,但是其中包含了(正,正)的情况,所以要减去正例的个数所以可得上述公式。
-
本文向大家介绍Python实现EM算法实例代码，包括了Python实现EM算法实例代码的使用技巧和注意事项，需要的朋友参考一下 EM算法实例 通过实例可以快速了解EM算法的基本思想，具体推导请点文末链接。图a是让我们预热的，图b是EM算法的实例。 这是一个抛硬币的例子，H表示正面向上，T表示反面向上，参数θ表示正面朝上的概率。硬币有两个，A和B，硬币是有偏的。本次实验总共做了5组，每组随机选一个硬
-
本文向大家介绍Java计算器核心算法代码实现，包括了Java计算器核心算法代码实现的使用技巧和注意事项，需要的朋友参考一下 在进行一个表达式的计算时，先将表达式分割成数字和字符串然后利用出入栈将分割后的表达式进行中缀转后缀，再将后缀表达式进行计算得到结果(思想在上一篇写过)现在贴下Java语言的代码实现。(学习Java时间不长所以可能会有很多不足的地方，我会改进也欢迎大神可以给我一些意见和建议~谢
-
本文向大家介绍Python实现统计代码行的方法分析，包括了Python实现统计代码行的方法分析的使用技巧和注意事项，需要的朋友参考一下 本文实例讲述了Python实现统计代码行的方法。分享给大家供大家参考，具体如下： 参加光荣之路测试开发班已三月有余，吴总上课也总问“ 咱们的课上了这么多次了大家实践了多少行代码了？”。这里是一个一脸懵逼的表情。该怎么统计呢？一个个文件数当然不可取，能用代码解决的事
-
本文向大家介绍python实现kmp算法的实例代码，包括了python实现kmp算法的实例代码的使用技巧和注意事项，需要的朋友参考一下 kmp算法 kmp算法用于字符串的模式匹配，也就是找到模式字符串在目标字符串的第一次出现的位置 比如 abababc 那么bab在其位置1处，bc在其位置5处 我们首先想到的最简单的办法就是蛮力的一个字符一个字符的匹配，但那样的时间复杂度会是O(m*n) kmp算