python里面的auc怎么导入

python里面的auc怎么导入

1. 引入相关包

使用matplotlib包作为绘图库，故要引入相关的包，如下所示。

import matplotlib.pyplot as plt
2. 数据处理部分

首先引入numpy包对数据进行处理，如下所示。

import numpy as np
要计算AUC和AUPR，还应该引入sklearn中计算相关值的包，如下所示。

from sklearn.metrics import roc_curve, auc
from sklearn.metrics import precision_recall_curve
然后导入相关数据

y_1 = np.load('product_HSIC,y.npy')
yp_1 = np.load('product_HSIC,yp.npy')
y_2 = np.load('product_mean,y.npy')
yp_2 = np.load('product_mean,yp.npy')
y_3 = np.load('sum_HSIC,y.npy')
yp_3 = np.load('sum_HSIC,yp.npy')
y_4 = np.load('sum_mean,y.npy')
yp_4 = np.load('sum_mean,yp.npy')
2.1 计算AUC值

AUC，即AUROC，指的是由TPR和FPR围成的ROC曲线下的面积。

将分类任务的实际值和预测值作为参数输入给roc_curve()方法可以得到FPR、TPR和对应的阈值。

auc()方法可以计算曲线下的面积，将FPR和TPR作为参数输入，即可获得AUC值。

fpr_1, tpr_1, threshold_1 = roc_curve(y_1, yp_1) # 计算FPR和TPR
auc_1 = auc(fpr_1, tpr_1) # 计算AUC值
fpr_2, tpr_2, threshold_2 = roc_curve(y_2, yp_2)
auc_2 = auc(fpr_2, tpr_2)
fpr_3, tpr_3, threshold_3 = roc_curve(y_3, yp_3)
auc_3 = auc(fpr_3, tpr_3)
fpr_4, tpr_4, threshold_4 = roc_curve(y_4, yp_4)
auc_4 = auc(fpr_4, tpr_4)
2.2 计算AUPR值

AUPR，指的是由Precision和Recall围成的PR曲线下的面积。

将分类任务的实际值和预测值作为参数输入给precision_recall_curve()方法可以得到Precision、Recall和对应的阈值。

auc()方法可以计算曲线下的面积，将Recall和Precision（注意顺序）作为参数输入，即可获得AUPR值。2022-12-10