sklearn.metrics.auc—使用梯形规则计算曲线下面积(AUC)

参考：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.auc.html

在分类模型的性能评估指标总结章节中，我们讲到AUC曲线是分类模型的性能评价指标之一。接下来将对sklearn库中AUC曲线的具体计算方式进行讲解。

语法格式

sklearn.metrics.auc(x, y)

参数解释：

• x: x坐标，必须单调递增或递减。
• y: y坐标。

返回曲线下面积。

代码示例

import numpy as np
from sklearn.metrics import roc_curve, auc

y_test = np.array([1,1,0, 1,1])
y_pre = np.array([1,1,0,1,0])

# Compute ROC
fpr, tpr, thresholds = roc_curve(y_test,y_pre)
roc_auc = auc(fpr, tpr)
print(roc_auc) #0.875