我就废话不多说了，大家还是直接看代码吧！ # 利用sklearn自建评价函数 from sklearn.model_selection import train_test_split from sklearn.metrics import roc_auc_score from keras.callbacks import Callback class RocAucEvaluation(Callback): def __init__(self, validation_data=(), interval=1): super(Callback, self).__init__() self.i

ROC曲线以第一次加权归一化后的数据作图，代表性更强。数据等分的份数越多，做出的图准确度越高，以面积占比为X轴，以灾点占比为Y轴，得出1*1方格内曲线，地质灾害风险调查评价中对易发性进行校核的excel文件，直接输入数据即可得到roc。

利用Python随机生成测试数据，计算混淆矩阵，绘制ROC和AUC

matlab版本风险预测模型，AUC画图，p值计算有帮助文档，计算结果较为准确