python - 手动计算 AUC

Question

如何获得具有 fpr 和 tpr 的 AUC 值？ Fpr 和 tpr 只是从这些公式中获得的 2 个浮点数:

my_fpr = fp / (fp + tn)
my_tpr = tp / (tp + fn)
my_roc_auc = auc(my_fpr, my_tpr)

我知道这不可能，因为 fpr 和 tpr 只是一些浮点数，它们需要是数组，但我不知道如何做到这一点。我也知道我可以这样计算 AUC:

y_predict_proba = model.predict_proba(X_test)
probabilities = np.array(y_predict_proba)[:, 1]
fpr, tpr, _ = roc_curve(y_test, probabilities)
roc_auc = auc(fpr, tpr)

但由于某些原因我想避免使用 predict_proba。所以我的问题是:如何获得具有 fp, tp, fn, tn, fpr, tpr 的 AUC ?换句话说，是否可以在没有 roc_curve 的情况下获得 AUC ?

Answer 1

是的，可以在不调用 roc_curve 的情况下获得 AUC。

您首先需要创建 ROC(接收者操作特征)曲线。为了能够使用 ROC 曲线，您的分类器应该能够对示例进行排序，以便具有较高等级的示例更有可能是正面的(例如欺诈)。例如，逻辑回归输出概率，这是您可用于排名的分数。
ROC 曲线是通过在各种阈值设置下绘制真阳性率 (TPR) 与假阳性率 (FPR) 来创建的。举个例子:



模型性能是通过查看 ROC 曲线(或 AUC)下的面积来确定的



您可以找到 here更详细的解释。