ROC AUC
你在上一個練習繪製的 ROC 曲線表現不錯。
現在你要計算 ROC 曲線下的面積（AUC），以及你先前用過的其他分類評估指標。
confusion_matrix 與 classification_report 函式已為你預先載入，還有你先前建好的 logreg 模型，以及 X_train、X_test、y_train、y_test。此外，模型在測試集上的預測標籤已儲存為 y_pred，而測試集中屬於正類別的機率則儲存為 y_pred_probs。
同時也已建立一個 knn 模型，並在主控台列印了其效能指標，方便你比較兩個模型的 roc_auc_score、confusion_matrix 與 classification_report。
本練習屬於課程
使用 scikit-learn 進行監督式學習
練習說明
- 匯入
roc_auc_score。 - 計算並列印 ROC AUC 分數，傳入測試標籤與正類別機率的預測值。
- 計算並列印混淆矩陣。
- 呼叫
classification_report()。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import roc_auc_score
____
# Calculate roc_auc_score
print(____(____, ____))
# Calculate the confusion matrix
print(____(____, ____))
# Calculate the classification report
print(____(____, ____))