bootstrap计算auc置信区间

要计算AUC的置信区间，可以使用基于自助法（bootstrap）的非参数置信区间估计方法。

步骤如下：

1. 从样本中有放回地随机抽取n个样本，共进行B次重抽样。

2. 对于每次重抽样，计算AUC。

3. 对B个AUC值进行排序，得到有序的AUC值序列。

4. 根据置信水平（通常取95%），找到有序的AUC值序列中的对应百分位数，得到置信区间的两个端点。

代码示例：

import numpy as np
from sklearn import metrics

def bootstrap_auc_ci(y_true, y_pred, n_bootstraps=2000, seed=0):
    rng = np.random.RandomState(seed)
    n_samples = len(y_true)
    auc_scores = np.zeros(n_bootstraps)
    for i in range(n_bootstraps):
        indices = rng.randint(0, n_samples, n_samples)
        auc_scores[i] = metrics.roc_auc_score(y_true[indices], y_pred[indices])
    lower = np.percentile(auc_scores, 2.5)
    upper = np.percentile(auc_scores, 97.5)
    return lower, upper

其中，y_true为真实标签，y_pred为预测标签，n_bootstraps为重抽样次数，seed为随机种子。函数返回的是AUC的置信区间的下限和上限。