sklearn.metrics.roc_auc_score()函数用法

sklearn.metrics.roc_auc_score(y_true, y_score, *, average='macro', sample_weight=None, max_fpr=None, multi_class='raise', labels=None)
二分类

y_true:样本的真实标签,形状(样本数,)
y_score:预测为1的概率值,形状(样本数,)

例子
import numpy as np
from sklearn.metrics import roc_auc_score
y_true = np.array([0, 0, 1, 1])
print(y_true.shape)#(4,)
y_predprob =np.array([[0.9,0.1],[0.6,0.4],[0.65,0.35],[0.2,0.8]])
#print(y_predprob)
y_scores=y_predprob[:,1] #取预测标签为1的概率 
auc=roc_auc_score(y_true, y_scores)
print(auc)#0.75

你可能感兴趣的:(auc)