Question

例如，我有3个阈值分类器c1，c2，c3和10个用于二进制分类的实例（标记为0/1），然后我可以得到形状（10,3）的得分矩阵S，S [i，j]是由第j个分类器给出的第i个实例的得分，当设置阈值时，我可以通过将得分与阈值进行比较来获得预测标签。

现在我使用c1，c2，c3整体的投票方法。据我所知，计算AUC值需要得到投票集合分类器给出的分数。但是在投票之后，只有预测的标签由集合分类器给出。在这种情况下如何计算AUC值？

Answer 1

正如您所说，AUC需要一个概率估计阈值。无论你如何创建你的模型 - 如果它是ensemlbe，重要的是你需要一个输出P（y | x）的模型。对于常规集合（每个成员具有相同的权重），它只是：

P(y|x) = 1/3 [ P1(y|x) + P2(y|x) + P3(y|x) ]

这就是你应用阈值处理（因此ROC / AUC基于它）。