python - 寻找 SVM 模型的 AUC 分数

Question

我知道支持向量机算法不计算概率，而概率是计算 AUC 值所必需的，有没有其他方法可以只计算 AUC 分数？

from sklearn.svm import SVC
model_ksvm = SVC(kernel = 'rbf', random_state = 0)
model_ksvm.fit(X_train, y_train)

model_ksvm.predict_proba(X_test)

我无法从 SVM 算法获得概率输出，没有概率输出我无法获得 AUC 分数，而我可以通过其他算法获得它。

Answer 1

您实际上不需要 ROC 的概率，只需任何类型的置信度分数即可。您需要根据样本属于正类的可能性对样本进行排序。支持向量机可以为此目的使用距分离平面的(有符号)距离，事实上 sklearn 在使用 AUC 评分时会自动在引擎盖下执行此操作:它使用 decision_function方法，即有符号距离。

您还可以在 SVC ( docs ) 中设置 probability 选项，它在 SVM 之上拟合 Platt 校准模型以产生概率输出:

model_ksvm = SVC(kernel='rbf', probability=True, random_state=0)

但这将导致相同的 AUC，因为 Platt 校准只是将带符号的距离单调地映射到概率。