forked from Dan4ick/Lidar_Muxa
44 lines
2.1 KiB
Python
44 lines
2.1 KiB
Python
"""Метрики качества ранжирования — одна реализация на все инструменты.
|
||
|
||
Вынесено сюда не ради красоты: ранговый AUC уже один раз был написан неверно
|
||
(совпадающие значения ранжировались по порядку в массиве), дал ложную тревогу
|
||
об утечке признака и стоил разбора. Держать такую функцию в двух копиях —
|
||
значит однажды починить одну из них.
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import numpy as np
|
||
|
||
|
||
def auc(score: np.ndarray, y: np.ndarray) -> float:
|
||
"""Ранговый AUC со СРЕДНИМИ рангами на совпадениях.
|
||
|
||
Без усреднения признак, у которого все значения равны (за 160 м таков,
|
||
например, контраст к фону — там его структурно нет), получает AUC 0 или 1
|
||
просто по порядку в массиве.
|
||
"""
|
||
score = np.asarray(score, np.float64)
|
||
y = np.asarray(y)
|
||
n_pos, n_neg = int((y == 1).sum()), int((y == 0).sum())
|
||
if n_pos == 0 or n_neg == 0:
|
||
return float("nan")
|
||
order = np.argsort(score, kind="mergesort")
|
||
s = score[order]
|
||
start = np.flatnonzero(np.r_[True, s[1:] != s[:-1]])
|
||
end = np.r_[start[1:], s.size]
|
||
avg = (start + end - 1) / 2.0 + 1.0
|
||
ranks = np.empty(s.size, np.float64)
|
||
ranks[order] = np.repeat(avg, end - start)
|
||
return float((ranks[y == 1].sum() - n_pos * (n_pos + 1) / 2)
|
||
/ (n_pos * n_neg))
|
||
|
||
|
||
def fpr_at_tpr(score: np.ndarray, y: np.ndarray, tpr: float = 0.95) -> float:
|
||
"""Доля обстановки, проходящей порог, при котором ловится `tpr` предметов."""
|
||
score = np.asarray(score, np.float64)
|
||
y = np.asarray(y)
|
||
pos, neg = score[y == 1], score[y == 0]
|
||
if pos.size == 0 or neg.size == 0:
|
||
return float("nan")
|
||
thr = np.quantile(pos, 1.0 - tpr)
|
||
return float((neg >= thr).mean())
|