roc_auc_score의 차이점은 무엇입니까?

난 그냥 싶어roc_auc_score의 차이점은 무엇입니까?

roc_auc_score(y_test,results.predict(X_test))

및

roc_auc_score(y_test,results.predict_proba(X_test)[:,1])

의 차이는, predict_proba 나는 후자가 roc_curve을 세우고 또한 각 테스트 관찰 클래스 0의 확률을 반환하고 알고있는 어떤 것을 명확히() 사용되어야한다. 그러나 ROC에서 이진 분류 모델 성능을 확인하는 올바른 방법은 무엇입니까? 나는 현재 이전 것을 사용한다. 후자의 의미는 무엇입니까?

출처

2016-12-07 LUSAQX

두 번째 것이 정확합니다.
ROC AUC는 순위에 대해서만 신경을 쓰므로 예상 순위를 결정해야합니다.

출처

2016-12-07 20:19:49 f311a

확인. 그러나 프로젝트에서 0.75 ROC를 반환 한 두 번째 모델을 사용했을 때 모델이 클래스 1과 비교할 때 내 테스트 세트가 0 인 모든 테스트 케이스를 분류한다는 사실을 확인한 후 혼동 행렬을 확인했습니다. 밑줄을 긋는 문제는 무엇입니까? 반면에, 0.5를 반환 한 ROC를 계산하기 위해 첫 번째 값을 사용했습니다. 모델이 모든 테스트 관찰에 대해 하나의 클래스 값만 반환하는 경우에는 합리적인 것처럼 보였습니다. – LUSAQX

roc_auc_score의 차이점은 무엇입니까?

답변

관련 문제