zoukankan      html  css  js  c++  java
  • 基于sklearn.metrics.roc_auc_score的几种多分类AUC计算方式

     

    以A、B、C三类为例,步骤如下:

    1、        测试集共m个样本,分别计算每个样本与对比集的cos距离(对比集由A、B、C三类构成),根据结果构建概率矩阵P[m*3],再基于one-hot构建标签矩阵L[m*3];

    2、        P的每一列即各样本属于该列对应类别的概率,则可以计算每个类别的ROC曲线和auc值;

    3、        计算整体ROC曲线和auc值

    (1)   方法一:macro,对n条ROC曲线取平均,即可得到最终的ROC曲线

    分析:该方法不考虑类别不均衡的影响;

    (2)   方法二:micro,参考下面

     

     

    计算总的TP rate和FP rate,然后计算ROC曲线和auc值。

    (3) 方法三:weighted,通过每个类别的TP数所占比例进行加权平均;

    备注:目前sklearn.metrics.roc_auc_score(仅支持macro 和 weighted)

  • 相关阅读:
    mysql03聚合函数
    栈、队列、循环队列、双端队列、优先级队列04
    OOAD之策略模式(1)
    jvm01:java内存区域与内存
    Python+Selenium
    Python+Selenium
    Python+Selenium
    Python+Selenium
    Python+Selenium
    Python+Selenium
  • 原文地址:https://www.cnblogs.com/zf-blog/p/14323597.html
Copyright © 2011-2022 走看看