前言

ROC（Receiver Operating Characteristic）曲線和AUC常被用來評價一個二值分類器（binary classifier）的優劣。這篇文章將先簡單的介紹ROC和AUC，而后用實例演示如何python作出ROC曲線圖以及計算AUC。

AUC介紹

AUC(Area Under Curve)是機器學習二分類模型中非常常用的評估指標，相比于F1-Score對項目的不平衡有更大的容忍性，目前常見的機器學習庫中(比如scikit-learn)一般也都是集成該指標的計算，但是有時候模型是單獨的或者自己編寫的，此時想要評估訓練模型的好壞就得自己搞一個AUC計算模塊，本文在查詢資料時發現libsvm-tools有一個非常通俗易懂的auc計算，因此摳出來用作日后之用。

AUC計算

AUC的計算分為下面三個步驟：

    1、計算數據的準備，如果模型訓練時只有訓練集的話一般使用交叉驗證的方式來計算，如果有評估集(evaluate)一般就可以直接計算了，數據的格式一般就是需要預測得分以及其目標類別（注意是目標類別，不是預測得到的類別）

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

    3、將坐標點連成曲線之后計算其曲線下面積,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)#計算ROC坐標點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

輸入的數據集可以參考svm預測結果

其格式為:

nonclk /t clk /t score

其中：
    1、nonclick:未點擊的數據，可以看做負樣本的數量

    2、clk:點擊的數量，可以看做正樣本的數量

    3、score:預測的分數，以該分數為group進行正負樣本的預統計可以減少AUC的計算量

運行的結果為:

如果本機沒安裝pylab可以直接注釋依賴以及畫圖部分

注意

上面貼的代碼:

    1、只能計算二分類的結果（至于二分類的標簽隨便處理）

    2、上面代碼中每個score都做了一次閾值，其實這樣效率是相當低的，可以對樣本進行采樣或者在計算橫軸坐標時進行等分計算

總結

以上就是這篇文章的全部內容，希望本文的內容能對大家的學習或者工作帶來一定的幫助，如果有疑問大家可以留言交流。