在python pyod中获取ROC曲线下的面积？

我有5000次观测的数据。我将数据集分成两部分：变量（

X\u-train

）和标记的目标（

y\u-train

）。我使用的是

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与数据相匹配：

从pyod.models.knn导入knn
从pyod.utils导入计算打印
clf=KNN（n_近邻=10，方法='mean'，度量='euclidean'）
clf.fit（X_系列）
分数=clf.decision\U分数_

该模型现在已拟合，我有一个观察值是存储在

分数中的异常值的概率。我手动计算ROC曲线下的面积，结果返回0.69

我注意到，使用时的结果是相同的：

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

它返回：
KNN，k=10roc:0.69，精度@rank n:0.1618

我想知道在
pyod
中是否有一个只返回0.69的特定函数。
我不知道pyod，但
sklearn
有roc\u auc\u分数或
auc
完成该工作。这是非常容易使用，我想这是一个或两行工作与您的项目

从sklearn导入度量
fpr、tpr、阈值=指标。roc_曲线（y_真=y_训练，y_分数=分数）
auc.append（metrics.auc（fpr，tpr））
我不知道pyod，但
sklearn
有roc\u auc\u得分或
auc
做这项工作。这是非常容易使用，我想这是一个或两行工作与您的项目

从sklearn导入度量
fpr、tpr、阈值=指标。roc_曲线（y_真=y_训练，y_分数=分数）
auc.append（metrics.auc（fpr，tpr））
pyod包本身根据sklearn.metrics.ROC_auc_分数计算ROC。您可以在pyod存储库笔记本文件夹中的Benchmark.ipynb中看到这一点。因此，要仅获取ROC，请使用以下命令：
从sklearn.metrics导入roc\u auc\u分数

roc=round（roc_auc_分数（y_测试，test_分数））
pyod包本身根据sklearn.metrics.roc_auc_分数计算roc。您可以在pyod存储库笔记本文件夹中的Benchmark.ipynb中看到这一点。因此，要仅获取ROC，请使用以下命令：
从sklearn.metrics导入roc\u auc\u分数

roc=round（roc\u auc\u分数（y\u test，test\u分数））
我不知道
pyod
，但是``sklearn`有
roc\u auc\u分数
或
auc
。这是非常容易使用，我想这是一个或两个线与您的工作project@CutePoison成功了！你想发表你的评论作为回答吗？我不知道
pyod
，但是``sklearn`有
roc\u auc\u得分
或者
auc
哪个做这个工作。这是非常容易使用，我想这是一个或两个线与您的工作project@CutePoison成功了！你想把你的评论作为回答吗？