python - sklearn中ROC曲线的AUC

Question

我想了解 ROC 曲线如何适用于 AUC。

y_pred = clf.predict(X2)
probs = clf.predict_proba(X2)
# keep probabilities for the positive outcome only
probs = probs[:, 1]
# calculate AUC
auc = roc_auc_score(y_true, probs)

当我运行 probs = probs[:,1] 时，我得到了 0.66 的 AUC。然而，当我运行 probs=probs[:,0] 时，我得到了 0.34 的 AUC。

我正在解决一个二元类问题。

混淆矩阵如下

array([[  77,   34],
       [ 825, 1027]])

我的困惑在于为什么文档声明我们必须使用更大的类。大类这个词是什么意思。如果我要交换标签，那没关系吗？

摘自 docs

For binary y_true, y_score is supposed to be the score of the class with greater label.

Answer 1

score of the class with greater label 表示分数应该针对该类，表示为 1(更大的索引)。

如果输入是多标签类型，则分数的维度应为 y。请记住，在输入 roc_auc_score 之前，y 必须转换为一个热向量或多个热向量。

这就是分数较低的原因，当您给出 proba 值的第一列时，它表示类别 0 的概率。