AUC（Area under curve）是機(jī)器學(xué)習(xí)常用的二分類評測手段，直接含義是ROC曲線下的面積。
ROC曲線理解起來更加的復(fù)雜且計算工程更加麻煩，因此從計算概率的角度理解AUC
也可以理解為：隨機(jī)抽出一對樣本（一個正樣本，一個負(fù)樣本），然后用訓(xùn)練得到的分類器來對這兩個樣本進(jìn)行預(yù)測，預(yù)測得到正樣本的概率大于負(fù)樣本概率的概率。

那如何實現(xiàn)這樣的計算呢？
我們從字面上的意思開始理解
一對樣本，根據(jù)模型預(yù)測的結(jié)果，預(yù)測得到正樣本的概率大于負(fù)樣本概率的概率。
因此計算方法即為如下：

在有M個正樣本,N個負(fù)樣本的數(shù)據(jù)集里。
一共有 MxN 對樣本（一對樣本即，一個正樣本與一個負(fù)樣本）。
統(tǒng)計這 MxN 對樣本里，正樣本的預(yù)測概率大于負(fù)樣本的預(yù)測概率的個數(shù)。

image.png

假設(shè)有4條樣本。2個正樣本，2個負(fù)樣本，那么MxN=4。
即總共有4個樣本對。分別是：
(C,A), (C,B), (D,A), (D,B)

在（C,B）樣本對中，正樣本C預(yù)測的概率小于負(fù)樣本B預(yù)測的概率（也就是C的得分比B低），記為0
在（D,B）樣本對中，正樣本D預(yù)測的概率大于負(fù)樣本B預(yù)測的概率（也就是D的得分比B高），記為1
所以最后的AUC結(jié)果即為：
(C,A), (C,B), (D,A), (D,B) =1+0+1+1
總樣本對為MxN=4
所以結(jié)果為：

image.png

如果遇見得分一樣的呢？

同樣本是4個樣本對，對于樣本對（C,B）其I值為0.5。

image.png

from sklearn.metrics import roc_auc_score
def calcAUC(labels, probs):
    N = 0
    P = 0
    neg_prob = []
    pos_prob = []
    for _,i in enumerate(labels):
        if (i == 1):
            P += 1
            pos_prob.append(probs[_])
        else:
            N += 1
            neg_prob.append(probs[_])
    number = 0
    for pos in pos_prob:
        for neg in neg_prob:
            if (pos > neg):
                number += 1
            elif (pos == neg):
                number += 0.5
    return number / (N * P)

y = np.array([1,0,0,0,1,0,1,0,])
pred = np.array([0.9, 0.8, 0.3, 0.1,0.4,0.9,0.66,0.7])
print('auc=',calcAUC(y,pred))
print('roc_auc=',roc_auc_score(y,pred))

auc= 0.5666666666666667
roc_auc= 0.5666666666666667

上面的計算方法用了2個循環(huán)，時間復(fù)雜度高，因此我們對其進(jìn)行如下優(yōu)化。

首先按照預(yù)測的概率從小到高排列：

顯然比C小的就是A
比D小的就是A，B
C的位置是2 D的位置是4
2+4 =A+C+A+B+C+D -----------(1)
而我們的目標(biāo)是：
1+2=A+A+B -----------(2)
因此需要將(1)式減去 C+C+D
顯然就是將正樣本進(jìn)行排列然后用等差數(shù)列求和公式即：

image.png

所以最后的求解公式為：

image.png

如果出現(xiàn)預(yù)測相同的情況

那就是正負(fù)樣本平分位置即可

image.png

用python實現(xiàn)：

import numpy as np
from sklearn.metrics import roc_curve
from sklearn.metrics import auc


def auc_calculate(labels,preds,n_bins=100):
    postive_len = sum(labels)   #正樣本數(shù)量（因為正樣本都是1）
    negative_len = len(labels) - postive_len #負(fù)樣本數(shù)量
    total_case = postive_len * negative_len #正負(fù)樣本對
    pos_histogram = [0 for _ in range(n_bins)] 
    neg_histogram = [0 for _ in range(n_bins)]
    bin_width = 1.0 / n_bins
    for i in range(len(labels)):
        nth_bin = int(preds[i]/bin_width)
        if labels[i]==1:
            pos_histogram[nth_bin] += 1
        else:
            neg_histogram[nth_bin] += 1
    accumulated_neg = 0
    satisfied_pair = 0
    for i in range(n_bins):
        satisfied_pair += (pos_histogram[i]*accumulated_neg + pos_histogram[i]*neg_histogram[i]*0.5)
        accumulated_neg += neg_histogram[i]
    return satisfied_pair / float(total_case)

if __name__ == '__main__':
    y = np.array([1,0,0,0,1,0,1,0,])
    pred = np.array([0.9, 0.8, 0.3, 0.1,0.4,0.9,0.66,0.7])

    fpr, tpr, thresholds = roc_curve(y, pred, pos_label=1)
    print("sklearn:",auc(fpr, tpr))
    print("驗證:",auc_calculate(y,pred))

sklearn: 0.5666666666666667
驗證: 0.5666666666666667

參考：
AUC計算的兩種實現(xiàn)方式以及python代碼
AUC詳解與python實現(xiàn)