auc#

sklearn.metrics.auc(x, y)[Quelle]#

Berechnet die Fläche unter der Kurve (AUC) mittels der Trapezregel.

Dies ist eine allgemeine Funktion, die Punkte auf einer Kurve erhält. Zur Berechnung der Fläche unter der ROC-Kurve siehe roc_auc_score. Für eine alternative Möglichkeit, eine Präzisions-Recall-Kurve zusammenzufassen, siehe average_precision_score.

Parameter:
xarray-ähnlich der Form (n,)

X-Koordinaten. Diese müssen entweder monoton steigend oder monoton fallend sein.

yarray-ähnlich der Form (n,)

Y-Koordinaten.

Gibt zurück:
aucfloat

Fläche unter der Kurve.

Siehe auch

roc_auc_score

Berechnet die Fläche unter der ROC-Kurve.

average_precision_score

Berechnet die durchschnittliche Präzision aus den Vorhersagewerten.

precision_recall_curve

Berechne Präzisions-Recall-Paare für verschiedene Wahrscheinlichkeitsschwellen.

Beispiele

>>> import numpy as np
>>> from sklearn import metrics
>>> y_true = np.array([1, 1, 2, 2])
>>> y_score = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, tpr, thresholds = metrics.roc_curve(y_true, y_score, pos_label=2)
>>> metrics.auc(fpr, tpr)
0.75
Auf dieser Seite

Diese Seite