AUC介绍
AUC (Area Under Curve)是机器学习二分类模型中非常常用的评估指标，相比于 F1-Score 对项目的不平衡有更大的容忍性，目前常见的机器学习库中(比如 scikit-learn)一般也都是集成该指标的计算，但是有时候模型是单独的或者自己编写的，此时想要评估训练模型的好坏就得自己搞一个 AUC 计算模块，本文在查询资料时发现 libsvm-tools 1 有一个非常通俗易懂的 auc 计算，因此抠出来用作日后之用。
AUC计算
AUC 的计算分为下面三个步骤：
- 计算数据的准备，如果模型训练时只有训练集的话一般使用交叉验证的方式来计算，如果有评估集(
evaluate)一般就可以直接计算了，数据的格式一般就是需要预测得分以及其目标类别（注意是目标类别，不是预测得到的类别） - 根据阈值划分得到横（X:
False Positive Rate）以及纵（Y:True Positive Rate）点 - 将坐标点连成曲线之后计算其曲线下面积,就是
AUC的值
直接上python代码
#! -*- coding=utf-8 -*-import pylab as pl
from 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)#计算ROC坐标点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])#计算曲线下面积auc = 0.
prev_x = 0for x,y in xy_arr:if x != prev_x:
auc += (x - prev_x) * yprev_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输入的数据集可以参考svm预测结果
其格式为:
nonclk \t clk \t score
其中：
nonclick:未点击的数据，可以看做负样本的数量clk:点击的数量，可以看做正样本的数量score:预测的分数，以该分数为group进行正负样本的预统计可以减少AUC的计算量
运行的结果为:
pylab 可以直接注释依赖以及画图部分注意
上面贴的代码:
- 只能计算二分类的结果（至于二分类的标签随便处理）
- 上面代码中每个
score都做了一次阈值，其实这样效率是相当低的，可以对样本进行采样或者在计算横轴坐标时进行等分计算