结果不同roc_auc_score和plot_roc_curve

Question

我正在训练RandomForestClassifier（sklearn）来预测信用卡欺诈。然后，当我测试模型并检查rocauc得分时，当我使用roc_auc_score和plot_roc_curve时会得到不同的值。 roc_auc_score给我约0.89，plot_curve计算AUC为0.96，为什么？

标签全为0和1，预测均为0或1。 CodE：

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()

代码输出（roc_auc_Score在图形上方）。

Answer 1

ROC曲线和roc_auc_score将预测概率作为输入，但是正如我从您的代码中看到的那样，您正在提供预测标签。您需要解决该问题。

Answer 2

您要提供预测类而不是预测概率 roc_auc_score。

来自Documentation：

y_score：形状为（n_samples，）或（n_samples，n_classes）形状的数组

目标分数。在二元和多标签情况下，这些值可以是概率估计值，也可以是非阈值决策值（由某些分类器的Decision_function返回）。

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))