![](/img/trans.png)
[英]Difference between roc_auc_score and cross_val_score(scoring=roc_auc)
[英]What is the difference between cross_val_score with scoring='roc_auc' and roc_auc_score?
我對cross_val_score評分指標'roc_auc'和我可以直接導入和調用的roc_auc_score之間的區別感到困惑。
文檔( http://scikit-learn.org/stable/modules/model_evaluation.html#scoring-parameter )表明指定scoring ='roc_auc'將使用sklearn.metrics.roc_auc_score。 但是,當我使用scoring ='roc_auc'實現GridSearchCV或cross_val_score時,我會收到非常不同的數字,當我直接調用roc_auc_score時。
這是我的代碼,以幫助演示我所看到的:
# score the model using cross_val_score
rf = RandomForestClassifier(n_estimators=150,
min_samples_leaf=4,
min_samples_split=3,
n_jobs=-1)
scores = cross_val_score(rf, X, y, cv=3, scoring='roc_auc')
print scores
array([ 0.9649023 , 0.96242235, 0.9503313 ])
# do a train_test_split, fit the model, and score with roc_auc_score
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33)
rf.fit(X_train, y_train)
print roc_auc_score(y_test, rf.predict(X_test))
0.84634039111363313 # quite a bit different than the scores above!
我覺得我在這里遺漏了一些非常簡單的東西 - 很可能是我如何實施/解釋其中一個評分指標的錯誤。
任何人都可以解釋兩個得分指標之間差異的原因嗎?
這是因為你提供了預測的y而不是roc_auc_score中的概率。 此功能采用分數,而不是分類標簽。 請嘗試改為:
print roc_auc_score(y_test, rf.predict_proba(X_test)[:,1])
它應該給出與cross_val_score的先前結果類似的結果。 有關詳細信息,請參閱此帖子 。
自己陷入這個問題,挖了一下就找到了答案。 分享愛情。
實際上有兩個半問題。
roc_auc_score
(使用predict_proba()
方法)。 但是,一些估算器(如SVC)沒有predict_proba()
方法,然后使用decision_function()
方法。 這是一個完整的例子:
# Let's use the Digit dataset
digits = load_digits(n_class=4)
X,y = digits.data, digits.target
y[y==2] = 0 # Increase problem dificulty
y[y==3] = 1 # even more
使用兩個估算器
LR = LogisticRegression()
SVM = LinearSVC()
拆分火車/測試裝置。 但是將它保存到我們可以重用的變量中。
fourfold = StratifiedKFold(n_splits=4, random_state=4)
將其輸入GridSearchCV
並保存分數。 請注意,我們通過了fourfold
。
gs = GridSearchCV(LR, param_grid={}, cv=fourfold, scoring='roc_auc', return_train_score=True)
gs.fit(X,y)
gs_scores = np.array([gs.cv_results_[k][0] for k in gskeys])
將其輸入cross_val_score
並保存分數。
cv_scores = cross_val_score(LR, X, y, cv=fourfold, scoring='roc_auc')
有時候,你想循環並計算幾個不同的分數,所以這就是你使用的。
loop_scores = list()
for idx_train, idx_test in fourfold.split(X, y):
X_train, y_train, X_test, y_test = X[idx_train], y[idx_train], X[idx_test], y[idx_test]
LR.fit(X_train, y_train)
y_prob = LR.predict_proba(X_test)
auc = roc_auc_score(y_test, y_prob[:,1])
loop_scores.append(auc)
我們是否全面擁有相同的分數?
print [((a==b) and (b==c)) for a,b,c in zip(gs_scores,cv_scores,loop_scores)]
>>> [True, True, True, True]
predict_proba()
方法。
所以,根據這個例子 ,我們這樣做:
for idx_train, idx_test in fourfold.split(X, y): X_train, y_train, X_test, y_test = X[idx_train], y[idx_train], X[idx_test], y[idx_test] SVM.fit(X_train, y_train) y_prob = SVM.decision_function(X_test) prob_pos = (y_prob - y_prob.min()) / (y_prob.max() - y_prob.min()) auc = roc_auc_score(y_test, prob_pos)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.