前言ROC（Receiver Operating Characteristic）曲线和AUC常被用来评价一个二值分类器（binary classifier）的优劣。这篇文章将先简单的介绍ROC和AUC，而后用实例演示如何python作出ROC曲线图以及计算AUC。AUC介绍AUC(Area Under Curve)是机器学习二分类模型中非常常用的评估指标，相比于F1-Score对项目的不平衡有更大的容忍性，目前常见的机器学习库中(比如scikit-learn)一般也都是集成该指标的计算，但是有时候模型是单独的或者自己编写的，此时想要评估训练模型的好坏就得自己搞一个AUC计算模块，本文在查询资料时发现libsvm-tools有一个非常通俗易懂的auc计算，因此抠出来用作日后之用。AUC计算AUC的计算分为下面三个步骤： 1、计算数据的准备，如果模型训练时只有训练集的话一般使用交叉验证的方式来计算，如果有评估集(evaluate)一般就可以直接计算了，数据的格式一般就是需要预测得分以及其目标类别（注意是目标类别，不是预测得到的类别） 2、根据阈值划分得到横（X:False Positive Rate）以及纵（Y:True Positive Rate）点 3、将坐标点连成曲线之后计算其曲线下面积,就是AUC的值直接上python代码
#! -*- coding=utf-8 -*-import pylab as plfrom math import log,exp,sqrtevaluate_result="you file path"db = [] #[score,nonclk,clk]pos, neg = 0, 0 with open(evaluate_result,'r') as fs: for line in fs: nonclk,clk,score = line.strip().split('\t') nonclk = int(nonclk) clk = int(clk) score = float(score) db.append([score,nonclk,clk]) pos += clk neg += nonclk db = sorted(db, key=lambda x:x[0], reverse=True)#计算ROC坐标点xy_arr = []tp, fp = 0., 0. for i in range(len(db)): tp += db[i][2] fp += db[i][1] xy_arr.append([fp/neg,tp/pos])#计算曲线下面积auc = 0. prev_x = 0for x,y in xy_arr: if x != prev_x: auc += (x - prev_x) * y prev_x = xprint "the auc is %s."%aucx = [_v[0] for _v in xy_arr]y = [_v[1] for _v in xy_arr]pl.title("ROC curve of %s (AUC = %.4f)" % ('svm',auc))pl.xlabel("False Positive Rate")pl.ylabel("True Positive Rate")pl.plot(x, y)# use pylab to plot x and ypl.show()# show the plot on the screen
输入的数据集可以参考svm预测结果其格式为:
nonclk \t clk \t score
其中： 1、nonclick:未点击的数据，可以看做负样本的数量 2、clk:点击的数量，可以看做正样本的数量 3、score:预测的分数，以该分数为group进行正负样本的预统计可以减少AUC的计算量运行的结果为:如果本机没安装pylab可以直接注释依赖以及画图部分注意上面贴的代码: 1、只能计算二分类的结果（至于二分类的标签随便处理） 2、上面代码中每个score都做了一次阈值，其实这样效率是相当低的，可以对样本进行采样或者在计算横轴坐标时进行等分计算总结以上就是这篇文章的全部内容，希望本文的内容能对大家的学习或者工作带来一定的帮助，如果有疑问大家可以留言交流。飞机一阵抖动，我终于说出了最后一句再见。
