W3School TIY Editor

import numpy as np from sklearn.metrics import accuracy_score, confusion_matrix, roc_auc_score, roc_curve n = 10000 y = np.array([0] * n + [1] * n) # 生成两种模型的预测概率： y_prob_1 = np.array( np.random.uniform(.25, .5, n//2).tolist() + np.random.uniform(.3, .7, n).tolist() + np.random.uniform(.5, .75, n//2).tolist() ) y_prob_2 = np.array( np.random.uniform(0, .4, n//2).tolist() + np.random.uniform(.3, .7, n).tolist() + np.random.uniform(.6, 1, n//2).tolist() ) # 输出两个模型的准确率： print(f'模型 1 准确率: {accuracy_score(y, y_prob_1>.5)}') print(f'模型 2 准确率: {accuracy_score(y, y_prob_2>.5)}') # 输出两个模型的 AUC 分数： print(f'模型 1 AUC 分数: {roc_auc_score(y, y_prob_1)}') print(f'模型 2 AUC 分数: {roc_auc_score(y, y_prob_2)}')