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)

我知道这不可能，因为fpr和tpr只是一些浮点数而且它们需要是数组，但我无法弄清楚如何做到这一点。我也知道我可以用这种方式计算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)

但我想避免因为某些原因使用predict_proba。所以我的问题是：如何获得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

Answer 1

是的，无需调用roc_curve即可获得AUC。

您首先需要创建ROC（接收机工作特性）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，以使排名较高的示例更有可能是正面的（例如欺诈）。例如，逻辑回归输出概率，这是可用于排名的分数。 ROC曲线是通过在各种阈值设置下将正阳性率（TPR）相对于误阳性率（FPR）绘制而成的。例如：

通过查看ROC曲线（或AUC）下的面积来确定模型性能

您可以找到here更详细的说明。

Answer 2

您可以将空间分为两部分：三角形和梯形。三角形将具有区域TPR*FRP/2，即梯形(1-FPR)*(1+TPR)/2 = 1/2 - FPR/2 + TPR/2 - TPR*FPR/2。总面积为1/2 - FPR/2 + TPR/2。只需2分就可以获得它。