前言

ROC（Receiver Operating Characteristic）曲線和AUC常被用來(lái)評(píng)價(jià)一個(gè)二值分類器（binary classifier）的優(yōu)劣。這篇文章將先簡(jiǎn)單的介紹ROC和AUC，而后用實(shí)例演示如何python作出ROC曲線圖以及計(jì)算AUC。

AUC介紹

AUC(Area Under Curve)是機(jī)器學(xué)習(xí)二分類模型中非常常用的評(píng)估指標(biāo)，相比于F1-Score對(duì)項(xiàng)目的不平衡有更大的容忍性，目前常見的機(jī)器學(xué)習(xí)庫(kù)中(比如scikit-learn)一般也都是集成該指標(biāo)的計(jì)算，但是有時(shí)候模型是單獨(dú)的或者自己編寫的，此時(shí)想要評(píng)估訓(xùn)練模型的好壞就得自己搞一個(gè)AUC計(jì)算模塊，本文在查詢資料時(shí)發(fā)現(xiàn)libsvm-tools有一個(gè)非常通俗易懂的auc計(jì)算，因此摳出來(lái)用作日后之用。

AUC計(jì)算

AUC的計(jì)算分為下面三個(gè)步驟：

    1、計(jì)算數(shù)據(jù)的準(zhǔn)備，如果模型訓(xùn)練時(shí)只有訓(xùn)練集的話一般使用交叉驗(yàn)證的方式來(lái)計(jì)算，如果有評(píng)估集(evaluate)一般就可以直接計(jì)算了，數(shù)據(jù)的格式一般就是需要預(yù)測(cè)得分以及其目標(biāo)類別（注意是目標(biāo)類別，不是預(yù)測(cè)得到的類別）

    2、根據(jù)閾值劃分得到橫（X:False Positive Rate）以及縱（Y:True Positive Rate）點(diǎn)

    3、將坐標(biāo)點(diǎn)連成曲線之后計(jì)算其曲線下面積,就是AUC的值

直接上python代碼

#! -*- 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)#計(jì)算ROC坐標(biāo)點(diǎn)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])#計(jì)算曲線下面積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

輸入的數(shù)據(jù)集可以參考svm預(yù)測(cè)結(jié)果

其格式為:

nonclk /t clk /t score

其中：
    1、nonclick:未點(diǎn)擊的數(shù)據(jù)，可以看做負(fù)樣本的數(shù)量

    2、clk:點(diǎn)擊的數(shù)量，可以看做正樣本的數(shù)量

    3、score:預(yù)測(cè)的分?jǐn)?shù)，以該分?jǐn)?shù)為group進(jìn)行正負(fù)樣本的預(yù)統(tǒng)計(jì)可以減少AUC的計(jì)算量

運(yùn)行的結(jié)果為:

如果本機(jī)沒安裝pylab可以直接注釋依賴以及畫圖部分

注意

上面貼的代碼:

    1、只能計(jì)算二分類的結(jié)果（至于二分類的標(biāo)簽隨便處理）

    2、上面代碼中每個(gè)score都做了一次閾值，其實(shí)這樣效率是相當(dāng)?shù)偷?，可以?duì)樣本進(jìn)行采樣或者在計(jì)算橫軸坐標(biāo)時(shí)進(jìn)行等分計(jì)算

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容，希望本文的內(nèi)容能對(duì)大家的學(xué)習(xí)或者工作帶來(lái)一定的幫助，如果有疑問大家可以留言交流。