python实现 AUC值的 95%置信区间

Python计算ROC曲线AUC及置信区间的实现

最新推荐文章于 2023-12-07 16:25:47 发布

原创

最新推荐文章于 2023-12-07 16:25:47 发布 · 6k 阅读

33 ·

CC 4.0 BY-SA版权

文章标签：

#python #AUC #置信区间

文章介绍了如何使用Python的sklearn和scipy库计算ROC曲线和AUC，并通过Bootstrap方法来确定AUC的95%置信区间。提供了从理论计算到数据采样的完整代码示例，包括对训练和测试数据集的采样策略。

@创建于：2023.02.19
@修改于：2023.02.19

文章目录

1、理论计算方法

在这里插入图片描述

代码如下：

from sklearn.metrics import roc_curve, roc_auc_score
#label是每个样本对应的真实标签(0或1)，pred_prob是模型输出的对每个样本的预测概率
FPR, TPR, _ = roc_curve(label, pred_prob, pos_label = 1)
AUC = roc_auc_score(label, pred_prob)


from scipy.stats import norm
import numpy as np
def AUC_CI(auc, label, alpha = 0.05):
	label = np.array(label)#防止label不是array类型
	n1, n2 = np.sum(label == 1), np.sum(label == 0)
	q1 = auc / (2-auc)
	q2 = (2 * auc ** 2) / (1 + auc)
	se = np.sqrt((auc * (1 - auc) + (n1 - 1) * (q1 - auc ** 2) + (n2 -1) * (q2 - auc **