auc_scoreをスコア関数として使用する場合、GridSearchCVはpredictまたはpredict_probaを使用しますか?
predict 関数は、予測されたクラス ラベルを生成します。これにより、常に三角形の ROC 曲線が得られます。予測されたクラス確率を使用して、より湾曲した ROC 曲線が得られます。私の知る限り、後者の方が正確です。もしそうなら、「曲がった」ROC 曲線の下の領域は、おそらくグリッド検索内の分類パフォーマンスを測定するのに最適です。
したがって、パフォーマンスの尺度として ROC 曲線の下の領域を使用する場合、グリッド検索にクラス ラベルまたはクラス確率のいずれかが使用されるかどうかに興味があります。コードで答えを見つけようとしましたが、わかりませんでした。ここに答えを知っている人はいますか？
ありがとう
auc_scoreグリッド検索に使用するには、実際に使用するpredict_probaかdecision_function、指摘したとおりに使用する必要があります。これは、0.13リリースでは不可能です。あなたがそうするならば、それは意味をなさないscore_func=auc_score使用するでしょう。predict
[編集]0.14[/ edit]以降、新しいパラメータを：に設定することにより、 auc_scoreを使用してグリッド検索を実行できます。それは正しいことをして使用します（または利用できない場合）。現在の開発バージョンのwhatsnewページを参照してください。scoringroc_aucGridSearch(est, param_grid, scoring='roc_auc')predict_probadecision_functionpredict_proba
この機能を利用するには、githubから現在のマスターをインストールするか、4月（？）まで0.14待つ必要があります。