Auc¶

class paddle.metric. Auc ¶

注解

目前只用 Python 实现 Auc，可能速度略慢。

该接口计算 Auc，在二分类(binary classification)中广泛使用。

该接口创建四个局部变量 true_positives，true_negatives，false_positives 和 false_negatives，用于计算 Auc。为了离散化 AUC 曲线，使用临界值的线性间隔来计算召回率和准确率的值。用 false positive 的召回值高度计算 ROC 曲线面积，用 recall 的准确值高度计算 PR 曲线面积。

参考链接：https://en.wikipedia.org/wiki/Receiver_operating_characteristic#Area_under_the_curve

参数¶

curve (str) - 将要计算的曲线名的模式，包括'ROC'（默认）或者'PR'（Precision-Recall-curve）。

num_thresholds (int) - 离散化 AUC 曲线的整数阈值数，默认是 4095。

name (str，可选) - metric 实例的名字，默认是'auc'。

代码示例 1¶

独立使用示例

COPY-FROM: paddle.metric.Auc:code-standalone-example

代码示例 2¶

在 Model API 中的示例

COPY-FROM: paddle.metric.Auc:code-model-api-example

方法¶

update(pred, label, *args)¶

更新 AUC 计算的状态。

参数

preds (numpy.array | Tensor)：一个 shape 为[batch_size, 2]的 Numpy 数组或 Tensor，preds[i][j]表示第 i 个样本类别为 j 的概率。

labels (numpy.array | Tensor)：一个 shape 为[batch_size, 1]的 Numpy 数组或 Tensor，labels[i]是 0 或 1，表示第 i 个样本的类别。

返回

无。

reset()¶

清空状态和计算结果。

返回

无。

accumulate()¶

累积的统计指标，计算和返回 AUC 值。

返回

AUC 值，一个标量。

name()¶

返回 Metric 实例的名字，参考上述的 name，默认是'auc'。

返回

评估的名字，string 类型。