手动计算 AUC

Question

如何获得具有 fpr 和 tpr 的 AUC 值？Fpr 和 tpr 只是从这些公式中获得的 2 个浮点数：

my_fpr = fp / (fp + tn)
my_tpr = tp / (tp + fn)
my_roc_auc = auc(my_fpr, my_tpr)

我知道这是不可能的，因为 fpr 和 tpr 只是一些浮点数，它们需要是数组，但我不知道如何做到这一点。我也知道我可以这样计算 AUC：

y_predict_proba = model.predict_proba(X_test)
probabilities = np.array(y_predict_proba)[:, 1]
fpr, tpr, _ = roc_curve(y_test, probabilities)
roc_auc = auc(fpr, tpr)

但出于某些原因，我想避免使用 predict_proba。所以我的问题是：我怎样才能获得 AUC fp, tp, fn, tn, fpr, tpr？换句话说，是否有可能在没有 的情况下获得 AUC roc_curve？

Answer 1

是的，可以在不调用 roc_curve 的情况下获得 AUC。

您首先需要创建 ROC（接收者操作特征）曲线。为了能够使用 ROC 曲线，您的分类器应该能够对示例进行排序，以便具有更高等级的示例更有可能是正的（例如欺诈）。例如，逻辑回归输出概率，这是一个可用于排名的分数。ROC 曲线是通过在各种阈值设置下绘制真阳性率 (TPR) 与假阳性率 (FPR) 来创建的。举个例子：

模型性能是通过查看 ROC 曲线（或 AUC）下的面积来确定的

你可以在这里找到更详细的解释。

Answer 2

您可以将空间分为两部分：三角形和梯形。三角形就有面积TPR*FRP/2，梯形(1-FPR)*(1+TPR)/2 = 1/2 - FPR/2 + TPR/2 - TPR*FPR/2。总面积为1/2 - FPR/2 + TPR/2. 这就是你如何获得它，只有 2 点。