ROC与AUC的定义与使用详解
原博文地址
ROC曲線 vs Precision-Recall曲線
分類模型評(píng)估：
| Precision | 精準(zhǔn)度 | from sklearn.metrics import precision_score |
| Recall | 召回率 | from sklearn.metrics import recall_score |
| F1 | F1值 | from sklearn.metrics import f1_score |
| Confusion Matrix | 混淆矩陣 | from sklearn.metrics import confusion_matrix |
| ROC | ROC曲線 | from sklearn.metrics import roc |
| AUC | ROC曲線下的面積 | from sklearn.metrics import auc |
回歸模型評(píng)估：
| Mean Square Error (MSE, RMSE) | 平均方差 | from sklearn.metrics import mean_squared_error |
| Absolute Error (MAE, RAE) | 絕對(duì)誤差 | from sklearn.metrics import mean_absolute_error, median_absolute_error |
| R-Squared | R平方值 | from sklearn.metrics import r2_score |
ROC和AUC定義
ROC全稱是“受試者工作特征”（Receiver Operating Characteristic）。ROC曲線的面積就是AUC（Area Under the Curve）。AUC用于衡量“二分類問題”機(jī)器學(xué)習(xí)算法性能（泛化能力）。
計(jì)算ROC需要知道的關(guān)鍵概念
首先，解釋幾個(gè)二分類問題中常用的概念：True Positive,?False Positive,?True Negative,?False Negative。它們是根據(jù)真實(shí)類別與預(yù)測(cè)類別的組合來區(qū)分的。
假設(shè)有一批test樣本，這些樣本只有兩種類別：正例和反例。機(jī)器學(xué)習(xí)算法預(yù)測(cè)類別如下圖（左半部分預(yù)測(cè)類別為正例，右半部分預(yù)測(cè)類別為反例），而樣本中真實(shí)的正例類別在上半部分，下半部分為真實(shí)的反例。
- 預(yù)測(cè)值為正例，記為P（Positive）
- 預(yù)測(cè)值為反例，記為N（Negative）
- 預(yù)測(cè)值與真實(shí)值相同，記為T（True）
- 預(yù)測(cè)值與真實(shí)值相反，記為F（False）
-
-
TP：預(yù)測(cè)類別是P（正例），真實(shí)類別也是P
- FP：預(yù)測(cè)類別是P，真實(shí)類別是N（反例）
- TN：預(yù)測(cè)類別是N，真實(shí)類別也是N
- FN：預(yù)測(cè)類別是N，真實(shí)類別是P
樣本中的真實(shí)正例類別總數(shù)即TP+FN。TPR即True Positive Rate，TPR = TP/(TP+FN)。?
同理，樣本中的真實(shí)反例類別總數(shù)為FP+TN。FPR即False Positive Rate，FPR=FP/(TN+FP)。
還有一個(gè)概念叫”截?cái)帱c(diǎn)”。機(jī)器學(xué)習(xí)算法對(duì)test樣本進(jìn)行預(yù)測(cè)后，可以輸出各test樣本對(duì)某個(gè)類別的相似度概率。比如t1是P類別的概率為0.3，一般我們認(rèn)為概率低于0.5，t1就屬于類別N。這里的0.5，就是”截?cái)帱c(diǎn)”。?
總結(jié)一下，對(duì)于計(jì)算ROC，最重要的三個(gè)概念就是TPR,?FPR,?截?cái)帱c(diǎn)。
截?cái)帱c(diǎn)取不同的值，TPR和FPR的計(jì)算結(jié)果也不同。將截?cái)帱c(diǎn)不同取值下對(duì)應(yīng)的TPR和FPR結(jié)果畫于二維坐標(biāo)系中得到的曲線，就是ROC曲線。橫軸用FPR表示。
sklearn計(jì)算ROC
sklearn給出了一個(gè)計(jì)算ROC的例子[1]。
- 1
- 2
- 3
通過計(jì)算，得到的結(jié)果（TPR,?FPR,?截?cái)帱c(diǎn)）為
- fpr = array([ 0. , 0.5, 0.5, 1. ])
- tpr = array([ 0.5, 0.5, 1. , 1. ])
- thresholds = array([ 0.8 , 0.4 , 0.35, 0.1 ])#截?cái)帱c(diǎn)
- 1
- 2
- 3
- 1
- 2
- 3
將結(jié)果中的FPR與TPR畫到二維坐標(biāo)中，得到的ROC曲線如下（藍(lán)色線條表示），ROC曲線的面積用AUC表示（淡黃色陰影部分）。
詳細(xì)計(jì)算過程
上例給出的數(shù)據(jù)如下
- 1
- 2
- 1
- 2
用這個(gè)數(shù)據(jù)，計(jì)算TPR，FPR的過程是怎么樣的呢？
1. 分析數(shù)據(jù)
y是一個(gè)一維數(shù)組（樣本的真實(shí)分類）。數(shù)組值表示類別（一共有兩類，1和2）。我們假設(shè)y中的1表示反例，2表示正例。即將y重寫為：
y_true = [0, 0, 1, 1]- 1
- 1
score即各個(gè)樣本屬于正例的概率。
2. 針對(duì)score，將數(shù)據(jù)排序
| y[0] | 0.1 | N |
| y[2] | 0.35 | P |
| y[1] | 0.4 | N |
| y[3] | 0.8 | P |
3. 將截?cái)帱c(diǎn)依次取為score值
將截?cái)帱c(diǎn)依次取值為0.1,0.35,0.4,0.8時(shí)，計(jì)算TPR和FPR的結(jié)果。
3.1?截?cái)帱c(diǎn)為0.1
說明只要score>=0.1，它的預(yù)測(cè)類別就是正例。?
此時(shí)，因?yàn)?個(gè)樣本的score都大于等于0.1，所以，所有樣本的預(yù)測(cè)類別都為P。
- 1
- 2
- 3
- 1
- 2
- 3
TPR = TP/(TP+FN) = 1?
FPR = FP/(TN+FP) = 1
3.2?截?cái)帱c(diǎn)為0.35
說明只要score>=0.35，它的預(yù)測(cè)類別就是P。?
此時(shí)，因?yàn)?個(gè)樣本的score有3個(gè)大于等于0.35。所以，所有樣本的預(yù)測(cè)類有3個(gè)為P（2個(gè)預(yù)測(cè)正確，1一個(gè)預(yù)測(cè)錯(cuò)誤）；1個(gè)樣本被預(yù)測(cè)為N（預(yù)測(cè)正確）。
- 1
- 2
- 3
- 1
- 2
- 3
TPR = TP/(TP+FN) = 1?
FPR = FP/(TN+FP) = 0.5
3.3?截?cái)帱c(diǎn)為0.4
說明只要score>=0.4，它的預(yù)測(cè)類別就是P。?
此時(shí)，因?yàn)?個(gè)樣本的score有2個(gè)大于等于0.4。所以，所有樣本的預(yù)測(cè)類有2個(gè)為P（1個(gè)預(yù)測(cè)正確，1一個(gè)預(yù)測(cè)錯(cuò)誤）；2個(gè)樣本被預(yù)測(cè)為N（1個(gè)預(yù)測(cè)正確，1一個(gè)預(yù)測(cè)錯(cuò)誤）。
- 1
- 2
- 3
- 1
- 2
- 3
TPR = TP/(TP+FN) = 0.5?
FPR = FP/(TN+FP) = 0.5
3.4?截?cái)帱c(diǎn)為0.8
說明只要score>=0.8，它的預(yù)測(cè)類別就是P。所以，所有樣本的預(yù)測(cè)類有1個(gè)為P（1個(gè)預(yù)測(cè)正確）；3個(gè)樣本被預(yù)測(cè)為N（2個(gè)預(yù)測(cè)正確，1一個(gè)預(yù)測(cè)錯(cuò)誤）。
- 1
- 2
- 3
- 1
- 2
- 3
TPR = TP/(TP+FN) = 0.5?
FPR = FP/(TN+FP) = 0
心得
用下面描述表示TPR和FPR的計(jì)算過程，更容易記住
- TPR：真實(shí)的正例中，被預(yù)測(cè)正確的比例
- FPR：真實(shí)的反例中，被預(yù)測(cè)正確的比例
最理想的分類器，就是對(duì)樣本分類完全正確，即FP=0，FN=0。所以理想分類器TPR=1，FPR=0。
參考：
總結(jié)
以上是生活随笔為你收集整理的ROC与AUC的定义与使用详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： np.meshgrid
- 下一篇： sklearn：auc、roc_curv