手动计算AUC

Question

如何通过fpr和tpr计算AUC值？Fpr和tpr只是通过以下公式得到的两个浮点数：

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

我知道这不可能，因为fpr和tpr只是一些浮点数，它们需要是数组，但我想不出如何做到这一点。我也知道可以用以下方法计算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，我希望避免使用predict_proba。那么我的问题是：我如何获得具有fp，tp，fn，tn，fpr，tpr的AUC？换句话说，是否可以在没有roc_curve的情况下获得AUC？

- user9370613

---

你确定 fpr 和 tpr 只是浮点数，而不是 numpy 数组吗？ - Calimo

是的，它们是2个浮点数值。 - user9370613

那么你就无法计算ROC曲线。你需要获取所有阈值下的值，例如roc_curve(y_test, probabilities)返回的值（无论是numpy数组、pandas Series还是列表都可以）。 - Calimo

Answer 1

是的，可以不调用roc_curve功能来获得AUC。

首先需要创建ROC（接收器操作特性）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名，以便更高排名的示例更可能是阳性的（例如欺诈）。例如，逻辑回归输出概率，这是您可以用于排名的分数。 ROC曲线通过在不同的阈值设置下绘制真正例率（TPR）与假正例率（FPR）来创建。例如：

模型表现是通过查看ROC曲线下面积（或AUC）来确定的。

您可以在这里找到更详细的解释。

- ofirdi

Answer 2

您可以将空间分为两部分：三角形和梯形。三角形的面积为TPR*FRP/2，梯形的面积为(1-FPR)*(1+TPR)/2 = 1/2 - FPR/2 + TPR/2 - TPR*FPR/2。总面积为1/2 - FPR/2 + TPR/2。这就是您只需拥有2个点即可得到它的方法。

- Mr. Wizard