Question

如果要基于ROC曲线下的面积为逻辑回归模型（例如）优化正则化参数，可以使用GridSearchCV设置合适的参数范围，并设置scoring='roc_auc'。

这可以使用from sklearn.model_selection import GridSearchCV完成，并且不需要包含from sklearn.metrics import roc_auc_score。

但是，如果要为特定的拟合数据集手动计算ROC曲线下的面积，则需要包含from sklearn.metrics import roc_auc_score。

这是如何工作的？我假设通过导入GridSearchCV可以以某种方式在后台导入roc_auc_score？不幸的是，我似乎无法在source code中继续进行此操作-非常感谢您的解释。
如果是这种情况，是否还意味着通过导入GridSearchCV我们最终将所有可能的计分方法导入幕后？
如果我仅导入了roc_auc_score而不是GridSearchCV本身，为什么为什么我不能“手动”使用roc_auc_score？是不是在幕后隐式地“有”？

我很欣赏这可能是关于python导入的更普遍的问题，而不是特定于scikit-learn ...

Answer 1

GridSearchCV扩展了BaseSearchCV类。这意味着它将使用fit() function defined in BaseSearchCV。

现在，如您在source code here中所见：

    ...
    ...
    scorers, self.multimetric_ = _check_multimetric_scoring(
    self.estimator, scoring=self.scoring)
    ...
    ...

在此处检查GridSearchCV构建期间提供的所有参数。对于'scoring'参数，其调用方法_check_multimetric_scoring()。现在，在此文件的顶部，您将看到许多导入。

方法_check_multimetric_scoring指向scorer.py file：

类似地跟踪方法调用，我们will reach here：

SCORERS = dict(explained_variance=explained_variance_scorer,
               r2=r2_scorer,
               neg_median_absolute_error=neg_median_absolute_error_scorer,
               neg_mean_absolute_error=neg_mean_absolute_error_scorer,
               neg_mean_squared_error=neg_mean_squared_error_scorer,
               neg_mean_squared_log_error=neg_mean_squared_log_error_scorer,
               accuracy=accuracy_scorer, roc_auc=roc_auc_scorer,
               ...
               ...
 ...
 ...

看roc_auc，我们将reach here：

roc_auc_scorer = make_scorer(roc_auc_score, greater_is_better=True,
needs_threshold=True)

现在在这里查看参数，roc_auc_score被发送到make_scorer。那么它是从哪里进口的呢？查看该文件的顶部，您将看到以下内容：

from . import (r2_score, median_absolute_error, mean_absolute_error,
               mean_squared_error, mean_squared_log_error, accuracy_score,
               f1_score, roc_auc_score, average_precision_score,
               precision_score, recall_score, log_loss,
               balanced_accuracy_score, explained_variance_score,
               brier_score_loss)

因此，从这里开始，实际的计分对象将返回到GridSearchCV。

现在，该库正在使用相对和绝对导入，正如@Denziloe正确说的那样，这些导入在该模块中是本地的，而不是全局导入。

有关导入范围和名称空间的更多信息，请参见以下答案：

还有this python documentation page

为什么在scikit-learn中进行参数搜索时不需要导入计分器？

1 个答案: