`sklearn.metrics`.auc¶

sklearn.metrics.auc()¶

Calcula el Área Bajo la Curva (AUC) usando la regla trapezoidal.

Esta es una función general, dados puntos en una curva. Para calcular el área debajo de la curva ROC, ver roc_auc_score. Para una forma alternativa de resumir una curva de precisión-exhaustividad, ver average_precision_score.

Parámetros

xndarray de forma (n,): Las coordenadas x. Estás deben ser monotónicas aumentando o disminuyendo.
yndarray de forma (n,): Coordenadas y.

Devuelve

aucflotante

Ver también

roc_auc_score: Calcula el área bajo la curva ROC.
average_precision_score: Calcula la precisión media de los valores de predicción.
precision_recall_curve: Calcula los pares de precisión-exhaustividad para diferentes umbrales de probabilidad.

Ejemplos

>>> import numpy as np
>>> from sklearn import metrics
>>> y = np.array([1, 1, 2, 2])
>>> pred = np.array([0.1, 0.4, 0.35, 0.8])
>>> fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=2)
>>> metrics.auc(fpr, tpr)
0.75

Ejemplos con `sklearn.metrics.auc`¶

sklearn.metrics.auc¶

Ejemplos con sklearn.metrics.auc¶

`sklearn.metrics`.auc¶

Ejemplos con `sklearn.metrics.auc`¶