python实现AUC

最新推荐文章于 2025-04-18 15:28:33 发布

我的暑假作业没写完

最新推荐文章于 2025-04-18 15:28:33 发布

阅读量6.7k

点赞数 11

CC 4.0 BY-SA版权

文章标签： python 机器学习

本文链接：https://blog.youkuaiyun.com/yinhui_zhang/article/details/96893330

本文介绍了如何使用Python实现AUC（Area Under the Curve），详细解释了AUC的物理含义，并通过代码验证了算法的正确性，同时给出了相关参考资料。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

问题描述：

在牛客看到面经说手撕ＡＵＣ，所以实现一下。首先要明白ＡＵＣ的物理含义不仅是ＲＯＣ曲线下的面积，ＡＵＣ还有另外一个物理含义就是：给定正样本Ｍ个，负样本Ｎ个，以及他们的预测概率（０－１）之间，那么ＡＵＣ的含义就是所有穷举所有的正负样本对，如果正样本的预测概率大于负样本的预测概率，那么就＋１；如果如果正样本的预测概率等于负样本的预测概率，那么就＋0.5,　如果正样本的预测概率小于负样本的预测概率，那么就＋０；最后把统计处理的个数除以Ｍ×Ｎ就得到我们的ＡＵＣ，公式描述如下：

代码实现：

对比了ｓｋｌｅａｒｎ中ａｕｃ的计算值，验证算法的正确性。

def AUC(label, pre):
　　"""
　　适用于ｐｙｔｈｏｎ3.0以上版本
   """
　　#计算正样本和负样本的索引，以便索引出之后的概率值
    pos = [i for i in range(len(label)) if label[i] == 1]
    neg = [i for i in range(len(label)) if label[i] == 0]

    auc = 0
    for i in pos:
        for j in neg:
            if pre[i] > pre[j]:
                auc += 1
            elif pre[i] == pre[j]:
                auc += 0.5

    return auc / (len(pos)*len(neg))


if __name__ == '__main__':
    label = [1,0,0,0,1,0,1,0]
    pre = [0.9, 0.