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
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