机器数据分析平台

  • 机器数据分析平台 > 使用文档 > 应用平台 > Pandora机器学习工具包 >score的使用方式详述 > 分类 - Classification > AUC值 - ROC-AUC-Score

    AUC值 - ROC-AUC-Score

    最近更新时间:2022-02-24 17:42:39

    用 roc_auc_score 可以计算真实值和预测值之间的 AUC 值,即 ROC 曲线下的面积。AUC 值越高,分类器越好。

    语法:

    score roc_auc_score pos_label=<str | int> <actual_field_1> ... <actual_field_n> against <predicted_field_1> ... <predicted_field_n>
    

    使用场景:

    • 只能用于二元数据的分析。如果原始数据是多元的,必须通过 pos_label 参数把多元数据转变成二元数据。
    • 输入值必须为连续性数据(int 或者 float)。

    参数说明:

    • pos_label 参数用来指定数据中的正样本。
      • 当数据是二元的时候,pos_label 可以不提供。
      • 当数据是多元的时候,pos_label 必须提供,且存在于预测值或者真实值之中。在这种情况下,pos_label 指定的正样本会被识别为 1,其他所有类都会被识别为 0。
    以上内容是否对您有帮助?
  • Qvm free helper
    Close