如何计算决策树的AUC？

Question

假设我有一个只有一个连续变量的数据集，并且我尝试使用决策树算法来构建一个模型，该模型对数据集中的+ ve和-ve标签进行分类。我进行了10次交叉验证。

如何为决策树分类器计算AUC？算法会检查分类器的不同阈值，并确定AUC吗？

我有两个以上的连续变量怎么样？

谢谢！

Answer 1

偏离主题，但是嘿：

AUC仅对二进制分类有意义。预测变量的数量无关紧要。

决策树本身并不具有“阈值”，但通常在分类问题中，叶子包含2个类的概率分布，树的预测也是如此。因此，只有在概率为> = p而不仅仅是> = 0.5时才能设想选择正类。然后你可以绘制一条AUC曲线。

因此将它应用于决策树有点不自然，但可以完成。