我数据中的标签是（N乘1）向量。负样本的标签值为0或正样本的标签值为1（因此，这是一个二进制分类问题）。我使用sklearn的.fit函数，并在火车上安装了随机森林。为了计算测试集的AUC，我使用metrics.roc_auc_score (test_labels, probabilities)。我在用着
predict_proba(my_test_set)以获取概率。但是，predict_proba(my_test_set)返回一个（N_test，2）矩阵。我看到很多人使用此返回矩阵（predict_proba(my_test_set)[:,1]）的第二列并将其馈送到metrics.roc_auc_score以计算AUC，但是为什么要使用第二列？为什么不选择第一列（predict_proba(my_test_set)[:,0]）？
答案 0 :(得分：2)
ROC AUC是通过将真实标记向量与阳性类的概率预测向量进行比较来计算的。
所有scikit-learn分类器（包括RandomForestClassifier）会将具有最高标签的分类设置为正分类，并且相应的预测概率将始终位于{{1}的第二列}矩阵。 predict_proba进行相同的假设，并且还假定标签最高的类别为肯定类别。因此，两者对正类是什么都有相同的定义，roc_auc_score期望分类器事先将相应的概率放在第二栏中。
这就是为什么您应该始终这样做：
roc_auc_score答案 1 :(得分：1)
roc_auc_score()期望y_true是该课程的一个二进制指标，而y_score是相应的分数。
与您的情况一样，y_true是肯定类别的二进制指示符。为了理解，哪一列代表哪一类的概率得分，请使用clf.classes_。在我们的示例中，它将返回array([0,1])。因此，我们需要使用第二列来获取第1类的概率得分。
即使遇到多类问题，也可以将标签（y）转换为所需类的二进制指示符，并使用predict_proba()从clf.classes_的输出中选择相应的列
请查看this示例以获取更多详细信息。