
1、安装scikit-learn
1.1 Scikit-learn 依赖
·Python (>= 2.6 or >= 3.3),
·NumPy (>= 1.6.1),
·SciPy (>= 0.9).
分别查看上述三个依赖的版本:
结果:
1 | python -c 'import scipy; print scipy.version.version'
|
scipy版本结果:
1 | python -c "import numpy; print numpy.version.version"
|
numpy结果:
1.2 Scikit-learn安装
如果你已经安装了NumPy、SciPy和python并且均满足1.1中所需的条件,那么可以直接运行sudo
1 | pip install - U scikit - learn
|
执行安装。
2、计算auc指标
1 2 3 4 5 | import numpy as np
from sklearn.metrics import roc_auc_score
y_true = np. array ([0, 0, 1, 1])
y_scores = np. array ([0.1, 0.4, 0.35, 0.8])
roc_auc_score(y_true, y_scores)
|
输出:
3、计算roc曲线
1 2 3 4 5 6 7 8 | import numpy as np
from sklearn import metrics
y = np. array ([1, 1, 2, 2]) #实际值
scores = np. array ([0.1, 0.4, 0.35, 0.8]) #预测值
fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2) #pos_label=2,表示值为2的实际值为正样本
print fpr
print tpr
print thresholds
|
输出:
1 2 3 | array ([ 0. , 0.5, 0.5, 1. ])
array ([ 0.5, 0.5, 1. , 1. ])
array ([ 0.8 , 0.4 , 0.35, 0.1 ])
|
python学习网,免费的在线学习python平台,欢迎关注!