在python pyod中获取ROC曲线下的面积？

Question

我有 5,000 个观察数据。我将数据集分成两部分：变量 (

X_train

) 和标记的目标 (

y_train

)。我使用

pyod

因为它似乎是最流行的异常检测 Python 库。

我使用以下代码将模型拟合到数据：

from pyod.models.knn import KNN
from pyod.utils import evaluate_print

clf = KNN(n_neighbors=10, method='mean', metric='euclidean')
clf.fit(X_train)
scores = clf.decision_scores_

模型现已拟合，我的观测值有可能是存储在

scores

中的异常值。我手动计算了 ROC 曲线下的面积，结果为 0.69。

我注意到这与使用时的结果相同：

evaluate_print('KNN with k=10', y=y_train, y_pred=scores)

返回：

KNN with k=10 ROC:0.69, precision @ rank n:0.1618

。

我想知道

pyod

中是否有一个特定的函数只能返回0.69。

Answer 1

我不知道 pyod，但

sklearn

有 roc_auc_score 或

auc

可以完成这项工作。它非常容易使用，我想只需一两行代码就可以处理您的项目。

from sklearn import metrics

fpr, tpr, thresholds = metrics.roc_curve(y_true=y_train, y_score=scores)
auc.append(metrics.auc(fpr, tpr))

Answer 2

pyod 包本身根据 sklearn.metrics.roc_auc_score 计算 ROC。您可以在 pyod 存储库的笔记本文件夹中的 Benchmark.ipynb 中看到这一点。因此，要仅获取 ROC，请使用以下命令：

from sklearn.metrics import roc_auc_score

roc = round(roc_auc_score(y_test, test_scores))

Answer 3

但是 roc = round(roc_auc_score(y_test, test_scores))

用于监督学习，

在上面的例子中，如果没有ground Truth，我们可以使用roc auc吗？如果是，怎么办？