best_score_的gridsearch cv的AUC分数与来自gridsearch cv

Question

我对逻辑回归进行了网格搜索，并将评分设置为“roc_auc”。grid_clf1.best_score_ 给了我 0.7557 的 auc。之后我想绘制最佳模型的 ROC 曲线。我看到的 ROC 曲线的 AUC 为 0.50 我根本不明白这一点。

我查看了预测的概率，发现它们都是 0.0 或 1.0。因此，我认为这里出了点问题，但我找不到它是什么。

我的网格搜索cv代码如下：

clf1 = Pipeline([('RS', RobustScaler()), ('LR', 

     LogisticRegression(random_state=1, solver='saga'))])

params = {'LR__C': np.logspace(-3, 0, 5),

      'LR__penalty': ['l1']}

grid_clf1 = GridSearchCV(clf1, params, scoring='roc_auc', cv = 5, 

      n_jobs=-1)

grid_clf1.fit(X_train, y_train)

grid_clf1.best_estimator_

grid_clf1.best_score_

所以这给出了最佳模型的 AUC 为 0.7557。然后，如果我自己计算模型的 AUC：

y_pred_proba = grid_clf1.best_estimator_.predict_probas(X_test)[::,1]

print(roc_auc_score(y_test, y_pred_proba))

这给了我 0.50 的 AUC。

Answer 1

看起来您的示例代码有两个问题：您比较不同数据集上的 ROC_AUC 分数。拟合时使用训练集，roc_auc_score调用时使用测试集交叉验证评分的工作方式与简单的roc_auc_score函数调用略有不同。它可以扩展为np.mean(cross_val_score(...))因此，如果考虑到这一点，您将获得相同的评分值。您可以使用colab notebook作为参考。