Question

我正在对数据集进行分类，并且正在使用交叉验证进行建模。由于类别不平衡，因此交叉验证给出了每折的准确性，准确性不是正确的度量。我想获得AUC-ROC而不是准确性。

Answer 1

cross_val_score支持大量计分选项。

提到了详尽的列表here。

[“准确性”，“ recall_samples”，“ f1_macro”，“ adjusted_rand_score”， 'recall_weighted'，'precision_weighted'，'recall_macro'， 'homogeneity_score'，'neg_mean_squared_log_error'，'recall_micro'， 'f1'，'neg_log_loss'，'roc_auc'，'average_precision'，'f1_weighted'， 'r2'，'precision_macro'，'explained_variance'，'v_measure_score'， 'neg_mean_absolute_error'，'completeness_score'， 'fowlkes_mallows_score'，'f1_micro'，'precision_samples'， 'mutual_info_score'，'neg_mean_squared_error'，'balanced_accuracy'， 'neg_median_absolute_error'，'precision_micro'， 'normalized_mutual_info_score'，'adjusted_mutual_info_score'， 'precision'，'f1_samples'，'brier_score_loss'，'recall']

以下是展示如何使用auc_roc的示例。

>>> from sklearn import datasets, linear_model
>>> from sklearn.model_selection import cross_val_score
>>> import numpy as np
>>> X, y = datasets.load_breast_cancer(return_X_y=True)
>>> model = linear_model.SGDClassifier(max_iter=50, random_state=7)
>>> print(cross_val_score(model, X, y, cv=5, scoring = 'roc_auc'))  

[0.96382429 0.96996124 0.95573441 0.96646546 0.91113347]

交叉验证时如何获取AUC-ROC而不是准确性？

1 个答案: