auc#

sklearn.metrics.auc(x, y)#

计算使用梯形法则的曲线下面积（AUC）。

这是一个通用函数，给定曲线上的点。用于计算 ROC 曲线下面积，请参见 roc_auc_score 。对于总结精确率-召回率曲线的另一种方法，请参见 average_precision_score 。

Parameters:

x形状为 (n,) 的类数组对象: X 坐标。这些必须是单调递增或单调递减的。
y形状为 (n,) 的类数组对象: Y 坐标。

Returns:

aucfloat: 曲线下面积。

See also

roc_auc_score: 计算 ROC 曲线下面积。
average_precision_score: 从预测分数计算平均精确率。
precision_recall_curve: 计算不同概率阈值下的精确率-召回率对。

Examples

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

Gallery examples#