python - sklearn中ROC曲线的AUC

Question

我试图了解 ROC 曲线对于 AUC 的作用。

y_pred = clf.predict(X2)
probs = clf.predict_proba(X2)
# keep probabilities for the positive outcome only
probs = probs[:, 1]
# calculate AUC
auc = roc_auc_score(y_true, probs)

当我运行 probs = probs[:,1] 时，我得到的 AUC 为 0.66。然而，当我运行 probs=probs[:,0] 时，我得到的 AUC 为 0.34。

我正在解决一个二进制类问题。

混淆矩阵如下

array([[  77,   34],
       [ 825, 1027]])

我的困惑在于为什么文档指出我们必须使用更大的类。更大的类(Class)这个词是什么意思。如果我要交换标签，没关系吗？

摘自docs

For binary y_true, y_score is supposed to be the score of the class with greater label.

Answer 1

score of the class with Greater label 表示该分数应该是针对该类的，表示为 1(较大索引)。

如果输入是多标签类型，则分数的维度应为 y。请记住，y 在输入到 roc_auc_score 之前必须转换为一个热向量或多热向量。

这就是分数较低的原因，当您给出第一列 proba 值时，该值代表类别 0 的概率。