计算auc-python/awk
1.自己写的计算auc的代码,用scikit-learn的auc计算函数sklearn.metrics.
auc
(x, y, reorder=False)做了一些测试,结果是一样的,如有错误,欢迎指正。
思路:1.首先对预测值进行排序,排序的方式用了python自带的函数sorted,详见注释。
2.对所有样本按照预测值从小到大标记rank,rank其实就是index+1,index是排序后的sorted_pred数组中的索引
3.将所有正样本的rank相加,遇到预测值相等的情况,不管样本的正负性,对rank要取平均值再相加
4.将rank相加的和减去正样本排在正样本之后的情况,再除以总的组合数,得到auc
# -*- coding: utf-8 -*-
"""
Created on Wed May 3 10:48:28 2017 @author: Vincent
"""
import numpy as np
from sklearn import metrics
y = np.array( [1, 0, 0, 1, 1, 1, 0, 1, 1, 1])
pred = np.array([0.9, 0.9,0.8, 0.8, 0.7,0.7,0.7,0.6,0.5,0.4])
fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=1)
print(metrics.auc(fpr, tpr))
def getAuc(labels, pred) :
'''将pred数组的索引值按照pred[i]的大小正序排序,返回的sorted_pred是一个新的数组,
sorted_pred[0]就是pred[i]中值最小的i的值,对于这个例子,sorted_pred[0]=8
'''
sorted_pred = sorted(range(len(pred)), key = lambda i : pred[i])
pos = 0.0 #正样本个数
neg = 0.0 #负样本个数
auc = 0.0
last_pre = pred[sorted_pred[0]]
count = 0.0
pre_sum = 0.0 #当前位置之前的预测值相等的rank之和,rank是从1开始的,所以在下面的代码中就是i+1
pos_count = 0.0 #记录预测值相等的样本中标签是正的样本的个数
for i in range(len(sorted_pred)) :
if labels[sorted_pred[i]] > 0:
pos += 1
else:
neg += 1
if last_pre != pred[sorted_pred[i]]: #当前的预测概率值与前一个值不相同
#对于预测值相等的样本rank需要取平均值,并且对rank求和
auc += pos_count * pre_sum / count
count = 1
pre_sum = i + 1 #更新为当前的rank
last_pre = pred[sorted_pred[i]]
if labels[sorted_pred[i]] > 0:
pos_count = 1 #如果当前样本是正样本 ,则置为1
else:
pos_count = 0 #反之置为0
else:
pre_sum += i + 1 #记录rank的和
count += 1 #记录rank和对应的样本数,pre_sum / count就是平均值了
if labels[sorted_pred[i]] > 0:#如果是正样本
pos_count += 1 #正样本数加1
auc += pos_count * pre_sum / count #加上最后一个预测值相同的样本组
auc -= pos *(pos + 1) / 2 #减去正样本在正样本之前的情况
auc = auc / (pos * neg) #除以总的组合数
return auc
print(getAuc(y, pred))
2.awk代码
#计算auc,输入分别为预测值(可以乘以一个倍数之后转化为整数),该相同预测值的样本个数,该相同预测值的正样本个数
sort -t $'\t' -k 1,1n | awk -F"\t" 'BEGIN{
OFS="\t";
now_q="";
begin_rank=1;
now_pos_num=0;
now_neg_num=0;
total_pos_rank=0;
total_pos_num=0;
total_neg_num=0;
}function clear(){
begin_rank += now_pos_num + now_neg_num;
now_pos_num=0;
now_neg_num=0;
}function update(){
now_pos_num += pos_num;
now_neg_num += neg_num;
}function output(){
n = now_pos_num + now_neg_num;
avg_rank = begin_rank + (n-1)/2;
tmp_all_pos_rank = avg_rank * now_pos_num;
total_pos_rank += tmp_all_pos_rank;
total_pos_num += now_pos_num;
total_neg_num += now_neg_num;
}{
q=$1;
show=$2;
clk=$3;
pos_num=clk;
neg_num=show-clk;
if(now_q!=q){
if(now_q!=""){
output();
clear();
}
now_q=q;
}
update(); }END{
output();
auc=0;
m=total_pos_num;
n=total_neg_num;
if(m>0 && n>0){
auc = (total_pos_rank-m*(m+1)/2) / (m*n);
}
print auc;
}'
计算auc-python/awk的更多相关文章
- python计算auc指标
1.安装scikit-learn 1.1Scikit-learn 依赖 Python (>= 2.7 or >= 3.3), NumPy (>= 1.8.2), SciPy (> ...
- Anaconda 用于科学计算的 Python 发行版
用于科学计算的 Python 发行版: 1.Anaconda https://www.continuum.io/ 公司continuum. 有商业版本. Anaconda is the le ...
- split function of Perl,Python,Awk
使用中常用到Perl,Python,AWK,R, 虽然Java,C,C++,Vala也学过但是就是不喜欢,你说怎么办. 看来一辈子脚本的命. Perl @rray = split /PATTERN/, ...
- MATLAB画ROC曲线,及计算AUC值
根据决策值和真实标签画ROC曲线,同时计算AUC的值 步骤: 根据决策值和真实标签画ROC曲线,同时计算AUC的值: 计算算法的决策函数值deci 根据决策函数值deci对真实标签y进行降序排序,得到 ...
- 用于水和水蒸汽物性计算的Python模块——iapws
无论是火电还是核电,将能量转化为电能的方式主要还是烧开水,即加热水产生高压蒸汽驱动汽轮机做功再发电.在进行热力循环分析.流动传热计算时,需获得水和水蒸汽的物性参数.网上主流的水蒸汽物性计算程序是上海成 ...
- 【Anaconda】:科学计算的Python发行版
[背景] Python易用,但包管理和Python不同版本的问题比较头疼,特别是当你使用Windows的时候.为了解决这些问题,有不少发行版的Python,比如WinPython.Anaconda等, ...
- 栈应用之 后缀表达式计算 (python 版)
栈应用之 后缀表达式计算 (python 版) 后缀表达式特别适合计算机处理 1. 中缀表达式.前缀表达式.后缀表达式区别 中缀表达式:(3 - 5) * (6 + 17 * 4) / 3 17 ...
- 科学计算:Python 分析数据找问题,并图形化
对于记录的数据,如何用 Python 进行分析.或图形化呢? 本文将介绍 numpy, matplotlib, pandas, scipy 几个包,进行数据分析.与图形化. 准备环境 Python 环 ...
- Python计算AUC
AUC(Area under curve)是机器学习常用的二分类评测手段,直接含义是ROC曲线下的面积.另一种解释是:随机抽出一对样本(一个正样本,一个负样本),然后用训练得到的分类器来对这两个样本进 ...
- [转] MachingLearning中的距离相似性计算以及python实现
参考:https://blog.csdn.net/gamer_gyt/article/details/75165842#t16 https://blog.csdn.net/ymlgrss/artic ...
随机推荐
- Android 全屏Activity以透明的对话框形式弹出
1. styles.xml <style name="transcutestyle" parent="@android:style/Theme.DeviceDefa ...
- c实现的list
// clist.cpp : 定义控制台应用程序的入口点.// #include "stdafx.h"#include <stdio.h>#include <ma ...
- Linux 安装Ruby详解(在线和离线安装)
很多时候我们会发现,真实的生成环境很多都没有外网,只有内网环境,这个时候我们又需要安装Ruby,则不能提供yum命令进行在线安装了,这个时候我们就需要下载安装包进行离线安装.本文主要简单介绍如果离线安 ...
- time_t到.NET DateTime的转换
time函数返回的time_t是一个utc时间且相对于1970年1月1日的total seconds,转换到DateTime只需以相同的方式转换回去即可. C/C++ auto t = time(); ...
- centos6上使用xfs文件系统
ext4目前也还没有真的支持16TB以上的单分区空间,由于工具的限制,只能创建最大为16T的单分区决定直接用xfs 安装xfs [root@ ~]$ yum install kmod-xfs xfsp ...
- Centos 7.x临时的网络与路由配置
今天在虚拟机上安装了Centos 7.1操作系统,使用的最小化安装,安装完成后准备使用ifconfig命令时,发现命令不存在,如下: 心想肯定是新版的Centos 系统默认情况下没有使用ifconfi ...
- js之数据类型及类型转换
一.数据类型 js中的数据类型: 5种基础类型:Undefined,Null,Boolean,Number,String 1种复合类型:Object(对象包括数组,函数等) 1 ...
- CSS在网页中应用的方式_嵌入式
内联式样式表:直接写在现有的标记中,比如: 复制代码 代码如下: <p style="font-size:24px;">www.phpstudy.net</p&g ...
- 在 CSS 中,width 和 height 指的是内容区域的宽度和高度
增加内边距.边框和外边距不会影响内容区域的尺寸,但是会增加元素框的总尺寸. 改变宽度就可以,去掉
- hihocoder 1334 - Word Construction - [hiho一下第170周][状态压缩+DFS]
题目链接:https://hihocoder.com/problemset/problem/1334 时间限制:10000ms 单点时限:1000ms 内存限制:256MB 描述 Given N wo ...