如何在sklearn中计算随机森林模型的AUC？
我的数据中的标签是一个(N乘1)向量。对于负样本，标签值为0，对于正样本，标签值为1(因此，这是一个二进制分类问题)。我使用了sklearn的.fit函数，并在我的火车上安装了一个随机的森林。为了计算测试集的AUC，我使用了metrics.roc_auc_score (test_labels, probabilities)。我正在使用predict_proba(my_test_set)来获取概率。但是，predict_proba(my_test_set)返回一个(N_test，2)矩阵。我看到许多人使用这个返回矩阵(predict_proba(my_test_set)[:,1])的第二列并将其提供给metrics.roc_auc_score来计算AUC值，但为什么是第二列？为什么不是第一列(predict_proba(my_test_set)[:,0])？
回答 2
Stack Overflow用户
发布于 2019-06-27 07:54:19
通过将真实标签向量与正类的概率预测向量进行比较来计算ROC。
包括RandomForestClassifier在内的所有scikit-learn分类器都会将具有最高标签的类别设置为正类别，并且相应的预测概率将始终位于predict_proba矩阵的第二列。roc_auc_score做了同样的假设，并且还假设具有最高标签的类是正类。因此，两者对正类的定义是相同的，roc_auc_score希望分类器事先将相应的概率放在第二列中。
这就是为什么你应该总是这样做：
roc_auc_score(y_test, RFC.predict_proba(X_test)[:,1])Stack Overflow用户
发布于 2019-06-27 13:47:40
期望y_true是班级的二进制指示器，y_score是相应的分数。
和您的例子一样，y_true是正类的二进制指示符。为了理解哪一列表示哪一类的概率分数，请使用clf.classes_。在我们的示例中，它将返回array([0,1])。因此，我们需要使用第二列来获得类1的概率得分。
即使您有多类问题，也可以将您的标签(y)转换为所需类的二进制指示器，并使用clf.classes_从predict_proba()的输出中选择相应的列。
有关更多详细信息，请参阅this示例。
https://stackoverflow.com/questions/56781373
复制相似问题