我有一个与roc_curve中的scikit-learn有关的问题需要进行深度学习，我注意到我的数据以1作为肯定标签。经过我的训练后，测试准确率达到了74％左右，但是曲线下的roc得分（AUC）仅为0.24。
y_pred = model.predict([x_test_real[:, 0],x_test_real[:, 1]])
fpr, tpr, thresholds = metrics.roc_curve(y_test_real, y_pred,pos_label=1)
roc_auc = metrics.auc(fpr, tpr)
print("roc_auc: %0.2f" % roc_auc)
如果我将pos_label更改为0，则auc分数变为0.76（显然）
y_pred = model.predict([x_test_real[:, 0],x_test_real[:, 1]])
fpr, tpr, thresholds = metrics.roc_curve(y_test_real, y_pred,pos_label=0)
roc_auc = metrics.auc(fpr, tpr)
print("roc_auc: %0.2f" % roc_auc)
现在我进行了一个小实验，我更改了训练和测试标签（属于二进制分类）
y_train_real = 1 - y_train_real
y_test_real = 1 - y_test_real
像这样，应该将正负标签从1翻转到0。然后我再次运行代码。这次期望roc auc的行为也会发生变化。但不是！
fpr, tpr, thresholds = metrics.roc_curve(y_test_real, y_pred,pos_label=0)
仍给出0.80，而pos_label=1给出2.。
有人可以在这里帮助我吗？ ：）