scikit-learn - 不同的结果 roc_auc_score 和 plot_roc_curve

Question

我正在训练一个 RandomForestClassifier (sklearn) 来预测信用卡欺诈。然后当我测试模型并检查 rocauc 分数时，当我使用 roc_auc_score 时会得到不同的值和 plot_roc_curve . roc_auc_score 给我大约 0.89，而 plot_curve 计算出的 AUC 为 0.96，这是为什么？

标签都是 0 和 1，预测是 0 或 1。
代码:

clf = RandomForestClassifier(random_state =42)
clf.fit(X_train, y_train[target].values)
pred_test = clf.predict(X_test)
print(roc_auc_score(y_test, pred_test))
clf_disp = plot_roc_curve(clf, X_test, y_test)
plt.show()

代码的输出(roc_auc_Score 就在图表上方)。

Answer 1

您正在提供预测类而不是预测概率roc_auc_score .

来自 Documentation :

y_score: array-like of shape (n_samples,) or (n_samples, n_classes)

Target scores. In the binary and multilabel cases, these can be either probability estimates or non-thresholded decision values (as returned by decision_function on some classifiers).

将您的代码更改为:

clf = RandomForestClassifier(random_state =42)
clf.fit(X_train, y_train[target].values)
y_score = clf.predict_prob(X_test)
print(roc_auc_score(y_test, y_score))