Python KFold验证中的ROC AUC度量

在进行KFold验证时，使用ROC/AUC作为Keras指标而不是“准确度”的最佳方法是什么？我试着用“roc_曲线”和“auc”替换“准确性”，但这不起作用

另外：如何访问“cross_val_score（）”循环以绘制ROC曲线

这是我的密码：

X = X.values
Y = Y.values

def create_baseline():
    model = Sequential()
    model.add(Dense(82, input_dim=82, kernel_initializer='normal', activation='relu'))
    model.add(Dense(50, activation='relu'))
    model.add(Dense(1, kernel_initializer='normal', activation='sigmoid'))
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

estimator = KerasClassifier(build_fn=create_baseline, epochs=100, batch_size=5, verbose=0)
kfold = KFold(n_splits=50, shuffle=True, random_state=True)
results = model_selection.cross_val_score(estimator, X, Y, cv=kfold)

print("Accuracy: %.3f%% (%.3f%%)" % (results.mean()*100.0, results.std()*100.0))

---

不清楚。你说它不起作用是什么意思？您没有在

结果中获得
roc\u auc
分数

？你想为每个褶皱绘制roc_曲线吗？我从sklearn导入了roc_曲线，并用它替换了['Accurance']。我收到以下错误：无效度量：roc_曲线。实际上，我想打印出每个折叠预测和每个折叠对应的实际输出。此外，如果可能的话，我想画出整个ROC曲线。但对我来说，最重要的是使用roc作为衡量标准，而不是总体准确度，因为这在我的案例中产生了一个糟糕的模型。我希望你能帮忙。如果您需要更多信息，请咨询！谢谢