AUC,准确率(ACC),敏感性(sensitivity),特异性(specificity)计算 Python

Posted K同学啊

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了AUC,准确率(ACC),敏感性(sensitivity),特异性(specificity)计算 Python相关的知识,希望对你有一定的参考价值。

import numpy as np
from sklearn.metrics import confusion_matrix,accuracy_score,f1_score,roc_auc_score,recall_score,precision_score
 
def calculate_metric(gt, pred): 
    pred[pred>0.5]=1
    pred[pred<1]=0
    confusion = confusion_matrix(gt,pred)
    TP = confusion[1, 1]
    TN = confusion[0, 0]
    FP = confusion[0, 1]
    FN = confusion[1, 0]
    print('Accuracy:',(TP+TN)/float(TP+TN+FP+FN))
    print('Sensitivity:',TP / float(TP+FN))
    print('Specificity:',TN / float(TN+FP))  
               
y = []
pred = []

auc = roc_auc_score(y,pred)
print('AUC:',auc)
calculate_metric(y,pred)

以上是关于AUC,准确率(ACC),敏感性(sensitivity),特异性(specificity)计算 Python的主要内容,如果未能解决你的问题,请参考以下文章

auc原理与实现

偏AUC(partial AUC)或者部分AUC是什么?R语言使用pROC包绘制ROC曲线并定义偏AUC(partial AUC):分别聚焦特异度敏感度角度

AUC注记

roc_auc_score 以 0 测试准确率 97% 的可能性出现?

ROC和AUC介绍以及如何计算AUC

准确率精确率召回率F1值ROC/AUC整理笔记