如何用python制作ROC曲線圖和計(jì)算AUC

ROC介紹

接受者操作特性曲線（receiver operating characteristic curve，簡(jiǎn)稱ROC曲線），又稱為感受性曲線（sensitivity curve）。得此名的原因在于曲線上各點(diǎn)反映著相同的感受性，它們都是對(duì)同一信號(hào)刺激的反應(yīng)，只不過(guò)是在幾種不同的判定標(biāo)準(zhǔn)下所得的結(jié)果而已。接受者操作特性曲線就是以虛驚概率為橫軸，擊中概率為縱軸所組成的坐標(biāo)圖，和被試在特定刺激條件下由于采用不同的判斷標(biāo)準(zhǔn)得出的不同結(jié)果畫出的曲線

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(jiàn)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 pl
from math import log,exp,sqrt
 
 
evaluate_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 = x
 
print "the auc is %s."%auc
 x = [_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 y
pl.show()# show the plot on the screen

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(méi)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)