Machine learning Sklearn模型：roc曲线的决策函数与预测概率
在Sklearn中，roc曲线要求（y_真，y_分数）。通常，对于y_分数，我输入分类器的预测概率函数输出的概率。但在sklearn示例中，我看到使用了预测概率和决策函数Machine learning Sklearn模型：roc曲线的决策函数与预测概率,machine-learning,scikit-learn,Machine Learning,Scikit Learn,在Sklearn中，roc曲线要求（y_真，y_分数）。通常，对于y_分数，我输入分类器的预测概率函数输出的概率。但在sklearn示例中，我看到使用了预测概率和决策函数 我想知道现实生活中的模型评估有什么不同？逻辑回归的函数形式是- f（x）=11+e−（β0+β1x1）+⋯+β（kxk） 这是predict_proba返回的内容 指数内的项，即 d（x）=β0+β1x1+⋯+βkxk 是决策函数返回的内容。文档中提到的“超平面”是 β0+β1x1+⋯+βkxk=0
我想知道现实生活中的模型评估有什么不同？逻辑回归的函数形式是- f（x）=11+e−（β0+β1x1）+⋯+β（kxk） 这是predict_proba返回的内容 指数内的项，即 d（x）=β0+β1x1+⋯+βkxk 是决策函数返回的内容。文档中提到的“超平面”是 β0+β1x1+⋯+βkxk=0