当使用auc_score作为分数函数时，GridSearchCV是否使用predict或predict_proba？

Question

当使用auc_score作为分数函数时，GridSearchCV是否使用predict或predict_proba？

预测函数生成预测的类标签，这将始终产生三角形ROC曲线。使用预测的类概率获得更弯曲的ROC曲线。据我所知，后者更准确。如果是这样，“弯曲”ROC曲线下的面积可能最适合测量网格搜索中的分类性能。

因此，当使用ROC曲线下的区域作为性能度量时，我是好奇是否使用类标签或类概率进行网格搜索。我试图在代码中找到答案，但无法弄明白。这里有人知道答案吗？

由于

Answer 1

要使用auc_score进行网格搜索，您确实需要使用predict_proba或decision_function。 这在0.13版本中是不可能的。如果您执行score_func=auc_score，它将使用predict，这没有任何意义。

[edit]自0.14 [/ edit] 以来，可以使用auc_score 进行网格搜索，方法是将新的scoring参数设置为roc_auc：{{1 }}。如果GridSearch(est, param_grid, scoring='roc_auc')不可用，它会做正确的事情并使用predict_proba（或decision_function。 请参阅whats new page of the current dev version。

你需要从github安装当前的master来获得这个功能，或者等到4月（？）为0.14。