部分AUC值能否大于完整AUC？sklearn部分AUC计算方法咨询

一、Partial AUC是否可能大于完整AUC？ #

完全可能，但要区分是否做了归一化处理：

• Sklearn默认返回的未归一化partial AUC（对应max_fpr=0.1时，取值范围是0_{0.1），数值上必然小于完整AUC（取值范围0}1），不可能出现更大的情况。
• 但如果将partial AUC归一化（除以max_fpr，得到0_{1之间的相对表现值），就完全可能超过完整AUC。比如模型在低FPR（0}0.1）区间的区分能力极强（ROC曲线陡升，面积占比接近100%），但在高FPR区间表现很差，拉低了整体AUC，这时候归一化后的partial AUC就会高于完整AUC。

二、Sklearn中partial AUC的计算方式 #

当调用roc_auc_score并设置max_fpr参数时，计算流程如下：

1. 先计算完整的ROC曲线数据：遍历所有预测阈值，得到对应的FPR（假阳性率）和TPR（真阳性率）数组。
2. 截取有效区间：筛选出FPR≤max_fpr的所有点；如果原数组中没有刚好等于max_fpr的点，会通过线性插值补充一个(max_fpr, 对应TPR)的点，保证区间[0, max_fpr]闭合。
3. 计算面积：用梯形法则计算截取后ROC曲线下的面积，这就是返回的未归一化partial AUC。

示例代码（含归一化处理）：

from sklearn.metrics import auc, roc_auc_score
complete_AUC = roc_auc_score(y_true, y_pred)
partial_AUC = roc_auc_score(y_true, y_pred, max_fpr=0.1)
# 将partial AUC归一化到0-1区间，便于和完整AUC对比
normalized_partial_AUC = partial_AUC / 0.1

附ROC曲线示意图 #

内容的提问来源于stack exchange，提问作者Magi