如何用python画出平均的AUC和AUPR

要画出平均的AUC和AUPR，需要先计算出每个类别的AUC和AUPR，然后取平均值。下面是一个示例代码，假设有两个类别的二分类预测结果，分别为y_true和y_pred，可以使用sklearn.metrics模块中的roc_auc_score和average_precision_score函数计算AUC和AUPR。然后使用numpy模块中的mean函数取平均值，最后使用matplotlib模块中的plot函数绘制曲线。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import roc_auc_score, average_precision_score

# 生成随机的二分类预测结果
y_true = np.random.randint(0, 2, size=100)
y_pred = np.random.rand(100)

# 计算每个类别的AUC和AUPR
auc_0 = roc_auc_score(y_true == 0, y_pred)
auc_1 = roc_auc_score(y_true == 1, y_pred)
aupr_0 = average_precision_score(y_true == 0, y_pred)
aupr_1 = average_precision_score(y_true == 1, y_pred)

# 取平均值
auc_mean = np.mean([auc_0, auc_1])
aupr_mean = np.mean([aupr_0, aupr_1])

# 绘制曲线
plt.plot([0, 1], [0, 1], 'k--')
plt.plot([0, 1], [aupr_mean, aupr_mean], 'r', label='AUPR')
plt.plot([0, 1], [auc_mean, auc_mean], 'b', label='AUC')
plt.legend()
plt.show()

该代码会绘制出一张包含AUC和AUPR曲线的图像。其中黑色虚线表示随机预测的基准线，红色线表示平均AUPR曲线，蓝色线表示平均AUC曲线。可以根据实际情况修改代码，适应不同的数据集和预测模型。