Python ROC曲线与AUC计算实战：从二分类到多分类避坑指南-育师

简介：这份PDF资料面向机器学习初学者与需要评估二分类模型的开发者，系统讲解如何用Python绘制ROC曲线并计算AUC值。内容从真阳性率与假阳性率的计算入手，逐步构建坐标点、连接曲线，并借助梯形法则求取曲线下面积，同时给出基于sklearn.metrics.roc_curve与auc的标准用法，以及一套自定义AUC计算代码，适用于没有内置评估模块的模型场景。资源包共1个PDF文件，约81KB，篇幅精炼，便于快速查阅与对照实践。目前已有16264人学习下载，热度较高。读者可从中掌握ROC与AUC的核心原理、数据格式要求（预测分数、负样本数、正样本数）以及按分数排序累加小矩形面积的实现思路，并了解采样或等距划分阈值等效率优化方向，为模型对比与选型提供可复用的评估方法。

1. 从一张“看起来很美”的 ROC 曲线说起

很多做 Python 数据分析与可视化的朋友，第一次画 ROC 曲线都是被业务方逼出来的：模型训完了，准确率 0.93 看着挺唬人，结果一上不平衡样本就露馅——负样本占 95%，全猜负类也有 0.95。这时候 ROC 曲线和 AUC 值就成了救命稻草，它不依赖阈值，能直接告诉你模型把正样本排在负样本前面的能力到底有多强。但真动手时，坑一个接一个：roc_curve返回的fpr、tpr到底哪个是横轴？auc传参顺序反了为什么结果还是 0.5 以上？多分类怎么画？这篇就把 Python 画 ROC 曲线和计算 AUC 值的完整路径拆开，从二分类最小可跑代码，到多分类、交叉验证、阈值挑选，再到几个我踩过的血泪坑，全部落到能抄作业的代码块上。适合刚入门 Python、正在做分类模型评估的从业者，也适合想把评估环节做扎实的老手。

2. 把 ROC 和 AUC 的数学底子先立住：为什么它比准确率靠谱

2.1 混淆矩阵到 TPR/FPR 的推导链

ROC 曲线的本质，是把分类器在不同阈值下的表现画成一条线。要理解它，得先从混淆矩阵出发。假设二分类问题，正类记为 1，负类记为 0，模型输出的是概率y_score，我们设一个阈值t，概率大于等于t判为正，否则判为负。于是有四个量：

TP：真实为正、预测为正
FN：真实为正、预测为负
FP：真实为负、预测为正
TN：真实为负、预测为负

真正率 TPR = TP / (TP + FN)，也叫召回率、灵敏度，衡量正样本被找出来的比例。假正率 FPR = FP / (FP + TN)，衡量负样本被误判为正的比例。ROC 曲线就是以 FPR 为横轴、TPR 为纵轴，把阈值从 1 降到 0 的过程中所有 (FPR, TPR) 点连起来。

这里有个反直觉的点：阈值从高到低扫，曲线是从左下往右上走的。阈值极高时，几乎所有样本都判负，TPR 和 FPR 都接近 0，点在左下角；阈值极低时，几乎所有样本都判正，TPR 和 FPR 都接近 1，点在右上角。所以一条好的 ROC 曲线会尽量往左上角凸。

AUC 就是这条曲线下的面积，取值 0 到 1。0.5 表示和随机猜没区别，1.0 表示完美分类。它有一个非常实用的概率解释：随机取一个正样本和一个负样本，模型给正样本打分高于负样本的概率，就等于 AUC。这个解释在不平衡数据里特别有价值，因为它不受类别比例影响。

2.2 为什么不用准确率：一个不平衡样本的算例

假设 1000 个样本，正类 50 个，负类 950 个。模型 A 把所有样本都判为负，准确率 = 950 / 1000 = 0.95。模型 B 能找出 40 个正类，但误判了 100 个负类，准确率 = (40 + 850) / 1000 = 0.89。单看准确率，A 更好，但 A 对正类毫无识别能力，业务上完全没用。ROC 曲线下，A 的 AUC 约等于 0.5，B 的 AUC 会明显高于 0.5。这就是为什么做风控、医疗诊断、欺诈检测这类不平衡场景，ROC 和 AUC 是标配。

2.3 选型理由：sklearn 的 roc_curve 和 auc 怎么配合

Python 里画 ROC 曲线，主流做法是用sklearn.metrics下的roc_curve和auc。roc_curve接收真实标签和预测概率（或决策函数值），返回三个数组：fpr、tpr、thresholds。auc接收fpr和tpr，返回曲线下面积。注意auc的参数顺序是(fpr, tpr)，不是(tpr, fpr)，虽然面积在对称情况下可能碰巧接近，但逻辑上是错的，后面避坑章节会细说。

为什么不自己手写积分？因为roc_curve内部做了阈值去重和边界处理，返回的thresholds第一个值是inf，对应 (0,0) 点，最后一个值是最小得分，对应 (1,1) 点。自己手写容易在重复得分和边界上翻车。常见做法是直接用 sklearn，除非你要做自定义的代价敏感曲线。

提示：roc_curve的y_score必须是连续值，比如predict_proba输出的正类概率，或者decision_function的输出。直接传predict的 0/1 标签，曲线会退化成三个点，AUC 也不准。

3. 二分类最小可跑代码：从数据到 ROC 曲线和 AUC 值

3.1 环境准备与依赖安装

先确认 Python 环境。如果你还在纠结 python 安装教程、vscode python 环境配置、pycharm 配置 python 环境这些事，建议直接用 Anaconda 或 venv 建一个干净环境，避免包冲突。核心依赖就三个：numpy、scikit-learn、matplotlib。安装命令如下：

# 建议在虚拟环境中执行，避免污染全局 python -m venv roc_env source roc_env/bin/activate # Windows 用 roc_env\Scripts\activate pip install numpy scikit-learn matplotlib

参数说明：venv是 Python 自带模块，不需要额外装。source在 Linux/macOS 下激活，Windows 用反斜杠路径。如果公司网络慢，可以加-i指定镜像源，但这里不展开。

3.2 用 make_classification 造一份可复现的数据

为了让你直接跑通，我用make_classification造一份二分类数据，固定随机种子，保证每次结果一致。

import numpy as np from sklearn.datasets import make_classification from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.metrics import roc_curve, auc # 造 2000 个样本，20 个特征，其中 5 个是有效特征 X, y = make_classification( n_samples=2000, n_features=20, n_informative=5, n_redundant=2, weights=[0.9, 0.1], # 正类只占 10%，模拟不平衡 random_state=42 ) # 分层切分，保证训练集和测试集正负比例一致 X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.3, stratify=y, random_state=42 ) print("训练集正类比例:", y_train.mean()) print("测试集正类比例:", y_test.mean())

逻辑说明：weights=[0.9, 0.1]让负类占 90%，正类占 10%，模拟真实不平衡场景。stratify=y是关键参数，如果不加，切分后测试集可能正类极少，AUC 波动大。random_state=42保证可复现。

3.3 训练模型并拿到预测概率

# 用逻辑回归，因为它能直接输出概率 clf = LogisticRegression(max_iter=1000, class_weight='balanced') clf.fit(X_train, y_train) # 拿正类的预测概率，注意 predict_proba 返回两列，取第二列 y_score = clf.predict_proba(X_test)[:, 1] print("前 5 个预测概率:", np.round(y_score[:5], 4))

参数说明：max_iter=1000防止默认迭代次数不够导致不收敛警告。class_weight='balanced'让模型自动按类别频率加权，在不平衡数据上通常比不加好。predict_proba返回形状(n_samples, 2)，第一列是负类概率，第二列是正类概率，所以取[:, 1]。如果你用的是 SVM，可能没有predict_proba，那就用decision_function，效果一样。

3.4 计算 FPR、TPR 并画图

import matplotlib.pyplot as plt # 计算 ROC 曲线的三个关键数组 fpr, tpr, thresholds = roc_curve(y_test, y_score) # 计算 AUC 值，注意参数顺序是 (fpr, tpr) roc_auc = auc(fpr, tpr) plt.figure(figsize=(8, 6)) plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (AUC = %0.4f)' % roc_auc) plt.plot([0, 1], [0, 1], color='navy', lw=1, linestyle='--', label='Random guess') plt.xlim([-0.02, 1.02]) plt.ylim([-0.02, 1.02]) plt.xlabel('False Positive Rate (FPR)') plt.ylabel('True Positive Rate (TPR)') plt.title('ROC Curve - Logistic Regression') plt.legend(loc='lower right') plt.grid(alpha=0.3) plt.show() print("AUC 值:", round(roc_auc, 4)) print("阈值数组前 5 个:", np.round(thresholds[:5], 4))

逻辑说明：roc_curve返回的thresholds第一个是inf，对应起点 (0,0)。auc用梯形积分算面积。plt.plot([0,1],[0,1])画对角线，代表随机猜测，AUC=0.5。xlim和ylim稍微留点边距，避免点贴边。跑完你应该能看到 AUC 在 0.9 左右，具体取决于随机种子。

注意：如果你的 AUC 低于 0.5，先别怀疑模型，检查y_score是不是取反了，或者auc参数顺序写反了。低于 0.5 通常意味着预测方向和真实标签相反。

4. 多分类与交叉验证：ROC 曲线不止二分类

4.1 多分类 ROC 的两种策略：OvR 与 OvO

二分类好办，多分类就得多想一步。sklearn 的roc_curve只支持二分类，多分类需要先做二值化。常见两种策略：

One-vs-Rest（OvR）：对每个类别，把它当正类，其余所有类当负类，画一条 ROC 曲线，最后可以算宏平均或微平均 AUC。
One-vs-One（OvO）：每两个类别之间画一条，类别多时曲线数量爆炸，一般不用于可视化。

实操里 OvR 更常用。sklearn.preprocessing.label_binarize可以把多分类标签转成 one-hot 形式，然后对每一列调用roc_curve。

from sklearn.datasets import load_iris from sklearn.multiclass import OneVsRestClassifier from sklearn.preprocessing import label_binarize from sklearn.metrics import roc_curve, auc from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression import numpy as np import matplotlib.pyplot as plt # 加载鸢尾花数据，3 分类 iris = load_iris() X, y = iris.data, iris.target # 标签二值化，得到 3 列 0/1 y_bin = label_binarize(y, classes=[0, 1, 2]) n_classes = y_bin.shape[1] X_train, X_test, y_train, y_test = train_test_split( X, y_bin, test_size=0.3, random_state=42 ) # 用 OvR 包装逻辑回归 clf = OneVsRestClassifier(LogisticRegression(max_iter=1000)) clf.fit(X_train, y_train) # 拿到每个类别的预测概率 y_score = clf.predict_proba(X_test) fpr = dict() tpr = dict() roc_auc = dict() for i in range(n_classes): fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_score[:, i]) roc_auc[i] = auc(fpr[i], tpr[i]) # 画三条曲线 plt.figure(figsize=(8, 6)) colors = ['aqua', 'darkorange', 'cornflowerblue'] for i, color in zip(range(n_classes), colors): plt.plot(fpr[i], tpr[i], color=color, lw=2, label='Class {0} (AUC = {1:0.4f})'.format(i, roc_auc[i])) plt.plot([0, 1], [0, 1], 'k--', lw=1) plt.xlim([-0.02, 1.02]) plt.ylim([-0.02, 1.02]) plt.xlabel('False Positive Rate') plt.ylabel('True Positive Rate') plt.title('Multi-class ROC (One-vs-Rest)') plt.legend(loc='lower right') plt.grid(alpha=0.3) plt.show()

逻辑说明：label_binarize把标签转成 one-hot，OneVsRestClassifier内部为每个类别训练一个二分类器。predict_proba返回形状(n_samples, n_classes)，每一列是该类别的概率。循环里对每一列算 ROC 和 AUC。colors列表长度要和类别数一致，类别多时建议改用 colormap。

参数说明：test_size=0.3是常见切分比例，数据量小可以调到 0.2。random_state=42保证可复现。如果类别极不平衡，OneVsRestClassifier里可以给每个基分类器加class_weight='balanced'。

4.2 宏平均与微平均 AUC 的计算

多分类下，除了看每条曲线，还常算两个汇总指标：

宏平均（macro）：先算每个类别的 AUC，再取算术平均，每个类别权重相同。
微平均（micro）：把所有类别的预测展平，当成一个二分类问题算 AUC，受样本多的类别影响大。

# 宏平均 macro_auc = np.mean(list(roc_auc.values())) print("宏平均 AUC:", round(macro_auc, 4)) # 微平均：把所有列展平 fpr_micro, tpr_micro, _ = roc_curve(y_test.ravel(), y_score.ravel()) micro_auc = auc(fpr_micro, tpr_micro) print("微平均 AUC:", round(micro_auc, 4))

逻辑说明：y_test.ravel()把 one-hot 矩阵拉成一维，y_score.ravel()同样拉平，这样每个样本的每个类别都变成一个二分类判断。微平均 AUC 通常比宏平均高，因为样本多的类别贡献大。选哪个看业务：如果每个类别同等重要，用宏平均；如果更关心整体表现，用微平均。

4.3 交叉验证下的 AUC 稳定性评估

单次切分的 AUC 有随机性，换一个随机种子可能差 0.02 到 0.05。要评估稳定性，用cross_val_score配合roc_auc评分。

from sklearn.model_selection import cross_val_score, StratifiedKFold # 用原始标签，不用 one-hot，因为 roc_auc 默认处理二分类 # 这里用二分类数据演示 X2, y2 = make_classification( n_samples=2000, n_features=20, n_informative=5, weights=[0.9, 0.1], random_state=42 ) cv = StratifiedKFold(n_splits=5, shuffle=True, random_state=42) clf2 = LogisticRegression(max_iter=1000, class_weight='balanced') scores = cross_val_score(clf2, X2, y2, cv=cv, scoring='roc_auc') print("5 折 AUC:", np.round(scores, 4)) print("均值:", round(scores.mean(), 4), "标准差:", round(scores.std(), 4))

参数说明：StratifiedKFold保证每折正负比例一致，shuffle=True打乱顺序，random_state固定。scoring='roc_auc'直接调 sklearn 内置的 AUC 计算。标准差大于 0.03 时，说明模型对数据划分敏感，建议增加数据量或做特征筛选。

提示：多分类做交叉验证时，scoring='roc_auc_ovr'或'roc_auc_ovo'可以指定策略，具体看 sklearn 版本支持。老版本可能只支持二分类，升级到较新版本即可。

5. 避坑与排查：ROC 曲线和 AUC 计算里最容易翻车的 5 个点

5.1 坑一：auc 参数顺序写反，结果看着正常其实是错的

现象：代码跑通，AUC 算出 0.85，但换一组数据后 AUC 变成 0.15，低于 0.5。

原因：auc(fpr, tpr)的参数顺序写成了auc(tpr, fpr)。虽然梯形积分在曲线对称时可能碰巧接近，但大多数情况下会算错。更隐蔽的是，有些人把roc_curve的返回值直接解包成tpr, fpr, thresholds，顺序反了，后面全错。

解决：记住roc_curve返回顺序是fpr, tpr, thresholds，auc接收顺序是(fpr, tpr)。写代码时变量名别偷懒，用fpr和tpr全称，别用x和y。

5.2 坑二：把 predict 的 0/1 标签传给 roc_curve

现象：ROC 曲线只有三个点，AUC 算出来是 0.5 或某个奇怪值。

原因：roc_curve需要连续的预测得分，传predict的硬标签只有 0 和 1 两个值，阈值扫描时只能产生三个点，曲线退化成折线，AUC 严重失真。

解决：用predict_proba取正类概率，或用decision_function取决策值。如果模型两者都没有，考虑用CalibratedClassifierCV包装，或者换一个支持概率输出的模型。

5.3 坑三：多分类直接传原始标签给 roc_curve

现象：报错ValueError: multiclass format is not supported。

原因：roc_curve只支持二分类，多分类标签直接传进去会报错。

解决：先用label_binarize做 one-hot，再对每一列调用roc_curve。或者用OneVsRestClassifier包装模型，predict_proba返回多列概率。

5.4 坑四：测试集正类样本太少，AUC 波动大

现象：同一模型，换一个随机种子，AUC 从 0.92 掉到 0.78。

原因：测试集切分时没有分层，正类样本本来就少，切分后测试集可能只有几个正类，AUC 估计极不稳定。

解决：train_test_split加stratify=y，交叉验证用StratifiedKFold。如果正类比例低于 5%，考虑增加数据量或改用 PR 曲线（Precision-Recall），PR 曲线在小样本正类下更敏感。

5.5 坑五：忽略阈值，只看 AUC 就上线

现象：AUC 0.95，上线后业务方反馈误报太多。

原因：AUC 衡量的是排序能力，不关心具体阈值。实际业务需要一个明确的判定阈值，AUC 高不代表某个阈值下精确率和召回率都满足要求。

解决：画完 ROC 曲线后，结合业务需求选阈值。可以用thresholds数组找到使tpr - fpr最大的点（约登指数），或者固定召回率求精确率。下面这段代码演示怎么找最优阈值：

# 找约登指数最大的阈值 youden = tpr - fpr best_idx = np.argmax(youden) best_threshold = thresholds[best_idx] print("最优阈值:", round(best_threshold, 4)) print("对应 TPR:", round(tpr[best_idx], 4)) print("对应 FPR:", round(fpr[best_idx], 4))

逻辑说明：tpr - fpr最大处，曲线离对角线最远，通常是不错的平衡点。但业务上如果更看重召回，可以手动选一个 TPR 更高的点，接受更高的 FPR。

6. 进阶技巧：用 PR 曲线补 ROC 的盲区，以及一个我常用的验证习惯

ROC 曲线在正类极稀少时有个盲区：FPR 的分母是负类数量，负类多时 FPR 变化不明显，曲线看着还行，但精确率可能很低。这时候 PR 曲线（Precision-Recall）更敏感。PR 曲线的横轴是召回率，纵轴是精确率，AUC 对应的是 Average Precision。sklearn 里用precision_recall_curve和average_precision_score。

from sklearn.metrics import precision_recall_curve, average_precision_score precision, recall, _ = precision_recall_curve(y_test, y_score) ap = average_precision_score(y_test, y_score) plt.figure(figsize=(8, 6)) plt.plot(recall, precision, color='green', lw=2, label='PR curve (AP = %0.4f)' % ap) plt.xlabel('Recall') plt.ylabel('Precision') plt.title('Precision-Recall Curve') plt.legend(loc='lower left') plt.grid(alpha=0.3) plt.show() print("Average Precision:", round(ap, 4))

参数说明：precision_recall_curve返回precision、recall、thresholds，注意precision和recall长度比thresholds多 1，最后一个点是 (1, 0)。average_precision_score直接算 AP，比梯形积分更准。

我一般会同时看 ROC 和 PR 两条曲线。如果 ROC 的 AUC 高但 PR 的 AP 低，说明模型在正类上的精确率不够，需要调阈值或加特征。如果两者都高，才敢往上线推。

还有一个习惯：每次算完 AUC，我会把y_score的分布画出来，看看正类和负类的得分有没有明显重叠。重叠多的话，AUC 再高也有限，因为模型本身区分度不够。这个习惯帮我省了好几次返工。

# 看正负类得分分布 plt.figure(figsize=(8, 6)) plt.hist(y_score[y_test == 0], bins=50, alpha=0.5, label='Negative', color='blue') plt.hist(y_score[y_test == 1], bins=50, alpha=0.5, label='Positive', color='red') plt.xlabel('Predicted Probability') plt.ylabel('Count') plt.title('Score Distribution by Class') plt.legend() plt.grid(alpha=0.3) plt.show()

逻辑说明：y_score[y_test == 0]取负类得分，y_score[y_test == 1]取正类得分。两个分布重叠越少，AUC 越高。如果重叠严重，考虑加特征、换模型或做概率校准。

最后说个教训：我曾经为了图快，直接拿predict的标签算 AUC，结果 0.5，排查了半天才发现是标签问题。从那以后，我养成了一个习惯——每次算 AUC 前先打印y_score的前 10 个值，确认是连续概率而不是 0/1。这个动作花不了 10 秒，但能省下半小时的排查。希望帮到你。

本文还有配套的精品资源，点击获取