如何用Python编写AUC计算方法的代码实现？

本文共计467个文字，预计阅读时间需要2分钟。

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，是机器学习二分类模型评价标准。AUC反映模型对样本的排序能力。AUC的统计意义：从所有正例样本随机抽取的情况下，模型对正负样本的区分能力。

-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。