Блог

Итак, у меня есть список ложноположительных показателей и список истинно положительных показателей, полученных путем изменения определенного порога. Я пытаюсь рассчитать оценку auc, но, к сожалению, я не могу использовать метод roc_auc_score из scikit-learn, поэтому я использую более общий метод auc.

Это мой код:

 print(fpr_list) #[0.4824561403508772, 0.4205607476635514, 0.41037735849056606, 0.391304347826087, 0.35467980295566504, 0.2857142857142857, 0.23195876288659795, 0.20618556701030927, 0.19170984455958548, 0.16753926701570682, 0.12105263157894737, 0.10052910052910052, 0.10052910052910052, 0.09523809523809523, 0.08465608465608465, 0.07936507936507936, 0.058823529411764705, 0.0481283422459893, 0.0427807486631016, 0.03208556149732621, 0.0374331550802139, 0.0213903743315508, 0.0213903743315508, 0.0213903743315508, 0.0213903743315508, 0.016042780748663103, 0.0106951871657754, 0.0106951871657754, 0.0106951871657754, 0.0106951871657754, 0.0106951871657754, 0.0106951871657754, 0.0106951871657754, 0.0106951871657754, 0.0106951871657754] print(tpr_list) #[0.7619047619047619, 0.7619047619047619, 0.7619047619047619, 0.7619047619047619, 0.7523809523809524, 0.7428571428571429, 0.7238095238095238, 0.6952380952380952, 0.6952380952380952, 0.6857142857142857, 0.6761904761904762, 0.6571428571428571, 0.6476190476190476, 0.6476190476190476, 0.638095238095238, 0.638095238095238, 0.6285714285714286, 0.6, 0.6, 0.6, 0.5904761904761905, 0.5904761904761905, 0.580952380952381, 0.580952380952381, 0.5714285714285714, 0.5714285714285714, 0.5714285714285714, 0.5714285714285714, 0.5333333333333333, 0.5333333333333333, 0.5142857142857142, 0.5047619047619047, 0.4952380952380952, 0.4952380952380952, 0.4857142857142857] print(auc(fpr_list,tpr_list))  

когда я использую метод auc, я получаю ошибку

 ValueError: x is neither increasing nor decreasing  

Я понял ошибку, это потому, что в списках есть равные значения, но разве нет способа игнорировать эту ошибку и все равно рассчитать оценку auc?

Вы могли бы использовать scipy.integrate для вычисления площади под кривой. Однако вам нужно будет отсортировать, в fpr_list противном dx случае значение будет отрицательным, и вы можете получить отрицательное значение AUC.

 from scipy import integrate import numpy as np sorted_index = np.argsort(fpr_list) fpr_list_sorted = np.array(fpr_list)[sorted_index] tpr_list_sorted = np.array(tpr_list)[sorted_index] integrate.trapz(y=tpr_list_sorted, x=fpr_list_sorted)