ROC AUC
您在上一个练习中绘制的 ROC 曲线看起来不错。
现在，您将计算 ROC 曲线下的面积（AUC），并结合之前用过的其他分类指标一起评估模型。
confusion_matrix 和 classification_report 函数已为您预加载，同时还包含您先前构建的 logreg 模型，以及 X_train、X_test、y_train、y_test。此外，模型在测试集上的预测标签已存为 y_pred，测试集中属于正类的预测概率已存为 y_pred_probs。
同时也已创建了一个 knn 模型，并在控制台打印了其性能指标，方便您对比两个模型的 roc_auc_score、confusion_matrix 和 classification_report。
本练习是课程的一部分
使用 scikit-learn 的监督学习
练习说明
- 导入
roc_auc_score。 - 计算并打印 ROC AUC 分数，传入测试标签和预测的正类概率。
- 计算并打印混淆矩阵。
- 调用
classification_report()。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import roc_auc_score
____
# Calculate roc_auc_score
print(____(____, ____))
# Calculate the confusion matrix
print(____(____, ____))
# Calculate the classification report
print(____(____, ____))