Python Scikit学习：roc_auc_分数

我正在使用scikit学习中的roc_auc_分数函数来评估我的模型性能。 但是，无论我使用predict（）还是predict_proba（），我都会得到不同的值

你能给我一些建议吗

---

提前感谢

首先看看预测和预测概率之间的区别。前者预测特征集的类别，后者预测各种类别的概率

您正在看到y_test_predicted的二进制格式中隐含的舍入误差的影响。y_test_predicted由1和0组成，其中as p_pred由0和1之间的浮点值组成。roc_auc_评分程序改变阈值并生成真阳性率和假阳性率，因此评分看起来非常不同

考虑以下情况：

y_test           = [ 1, 0, 0, 1, 0, 1, 1]
p_pred           = [.6,.4,.6,.9,.2,.7,.4]
y_test_predicted = [ 1, 0, 1, 1, 0, 1, 0]

请注意，ROC曲线是通过考虑所有截止阈值生成的。现在考虑0.65的阈值… p_pred案例给出了：

TPR=0.5, FPR=0, 

TPR=.75 FPR=.25.  

---

y_检验_预测情况给出：

TPR=0.5, FPR=0, 

TPR=.75 FPR=.25.  

您可能会看到，如果这两个点不同，那么两条曲线下的面积也会非常不同

但要真正理解它，我建议看看ROC曲线本身来帮助理解这种差异

---

希望这有帮助

y检验预测的情况应该是：

TPR=.75 FPR=.33。

股息应该包括FPs，而不仅仅是TNs:FPR=FP/（FP+TN）。对不起，也许我只是误解了你。如果你的意思是我们比较y_检验和预测的y_检验，那么TN=2，FP=1。