sklearn RandomForestClassifier 与 auc 方法中 ROC-AUC 分数的差异

Question

我分别从 sklearn 的 RandomForestClassifier 和 roc_curve、auc 方法收到不同的 ROC-AUC 分数。

以下代码让我获得了 0.878 的 ROC-AUC（即 gs.best_score_）：

def train_model(mod = None, params = None, features = None, 
        outcome = ...outcomes array..., metric = 'roc_auc'):
    gs = GridSearchCV(mod, params, scoring=metric, loss_func=None, score_func=None, 
        fit_params=None, n_jobs=-1, iid=True, refit=True, cv=10, verbose=0, 
        pre_dispatch='2*n_jobs', error_score='raise')
    gs.fit(...feature set df..., outcome)

    print gs.best_score_
    print gs.best_params_

    return gs

model = RandomForestClassifier(random_state=2000, n_jobs=-1)
features_to_include = [...list of column names...]

parameters = {
            'n_estimators': [...list...], 'max_depth':[...list...],
            'min_samples_split':[...list...], 'min_samples_leaf':[...list...]
            }

gs = train_model(mod = model, params = parameters, features = features_to_include)

然而，以下代码让我获得了 0.97 的 ROC-AUC：

fpr = dict()
tpr = dict()
roc_auc = dict()
fpr['micro'], tpr['micro'], _ = roc_curve(...outcomes array..., 
                                    gs.predict_proba(...feature set df...)[:, 1])
roc_auc['micro'] = auc(fpr['micro'], tpr['micro'])

为什么会有这样的差异？我的代码有问题吗？

谢谢！克里斯

Answer 1

他们会 return 不同的值，原因有二：

由于 GridSearchCV 方法将您的数据分成 10 组（您在代码中进行 10 折交叉验证），使用 9 进行训练，并在最后一组。您得到的 best_score_ 只是报告的最高 AUC（更多信息请阅读 here）。您的 roc_curve 计算报告了整个集合的 AUC。
默认的交叉验证roc_auc是宏版本（参见here），但是你后面的计算计算的是微版本。

sklearn RandomForestClassifier 与 auc 方法中 ROC-AUC 分数的差异

Difference in ROC-AUC scores in sklearn RandomForestClassifier vs. auc methods

scikit-learn

random-forest

roc

auc