Scikit learn 当使用auc_分数作为分数函数时，GridSearchCV是否使用predict或predict_proba？

当使用auc_分数作为分数函数时，GridSearchCV是否使用predict或predict_proba

predict函数生成预测类标签，这将始终导致一条三角形ROC曲线。使用预测的类概率得到更弯曲的ROC曲线。据我所知，后者更准确。如果是这样，“弯曲”ROC曲线下的区域可能是衡量网格搜索中分类性能的最佳区域

因此，当使用ROC曲线下的面积作为性能度量时，我很好奇是否将类标签或类概率用于网格搜索。我试着在密码中找到答案，但没能找到。这里有人知道答案吗

---

感谢使用

auc\u分数

进行网格搜索，您确实需要使用

predict\u proba

或

decision\u函数

这在0.13版本中是不可能的。如果您使用

score\u func=auc\u score

它将使用

predict

，这没有任何意义

[edit]自0.14[/edit]以来，通过将新的

评分
参数设置为
roc\u auc
：
GridSearch（est，param\u grid，scoring='roc\u auc'）可以使用auc分数进行网格搜索。
。它将做正确的事情，并使用
预测概率
（如果
预测概率
不可用，则使用
决策函数
）。
看

您需要从github安装当前主机才能获得此功能，或者等到4月（？）再安装0.14。
谢谢您的回答。我将从github安装当前主机以获得所需的功能。对于自定义功能，我的意思是我想使用一个评分函数，该函数使用地面槽和预测概率矩阵进行评分。不知何故忽略了您的问题Avance123。请参阅“定义您自己的评分函数”文档。您可以提供任何带有签名的可调用函数
myfunc（估计器、X_测试、y_测试）
@AndreasMueller您对这个问题有什么见解吗？