Python 如果我在CNN中获得相同的AUC和AUROC值,这意味着什么?
我正在运行一个卷积神经网络。在它完成运行之后,我使用一些度量来评估模型的性能。其中2个指标是sklearn的auc和roc_auc_分数 AUC功能: AUROC功能: 我使用的代码如下所示:Python 如果我在CNN中获得相同的AUC和AUROC值,这意味着什么?,python,scikit-learn,roc,auc,Python,Scikit Learn,Roc,Auc,我正在运行一个卷积神经网络。在它完成运行之后,我使用一些度量来评估模型的性能。其中2个指标是sklearn的auc和roc_auc_分数 AUC功能: AUROC功能: 我使用的代码如下所示: print(pred) fpr, tpr, thresholds = metrics.roc_curve(true_classes, pred, pos_label=1) print("-----AUC-----") print(metrics.auc(fpr, tpr)) print
print(pred)
fpr, tpr, thresholds = metrics.roc_curve(true_classes, pred, pos_label=1)
print("-----AUC-----")
print(metrics.auc(fpr, tpr))
print("----ROC AUC-----")
print(metrics.roc_auc_score(true_classes, pred))
其中,true_classes是一个表格,其形式为:[0 1 0 1 1 0],其中1为正标签,0为负标签
pred是模型的预测值:
prediction = classifier.predict(test_final)
prediction1 = []
predictions = []
for preds in prediction:
prediction1.append(preds[0])
pred = prediction1
然而,无论我运行测试多少次,我都会得到相同的AUC和ROC AUC值(我的意思是,每个测试中的AUC和ROC AUC值都是相同的。不是说它们在所有测试中都保持不变。例如,对于测试1,我得到AUC=0.987和ROC_AUC=0.987,对于测试2,我得到AUC=0.95和ROC_AUC=0.95)。我做错什么了吗?还是正常?根据链接的文档,
度量。auc
是从曲线点计算曲线下面积的通用方法
指标。roc\u auc\u得分是一种用于计算roc曲线下面积的具体案例方法
如果您使用相同的数据来计算这两个指标,您不会期望看到不同的结果,因为指标。roc_auc_得分
将做与指标相同的事情。auc
最有可能的是,在引擎罩下使用指标.auc
方法本身(即使用一般方法计算ROC曲线下面积的具体任务)。哦,我明白了。我很困惑,我以为他们在计算不同的东西。谢谢!