为什么在应用分层 K 折交叉验证后准确度和 AUC 完全相同答案

【问题标题】：Why is Accuracy and AUC is coming exactly same after applying Stratified K fold cross validation为什么在应用分层 K 折交叉验证后准确度和 AUC 完全相同
【发布时间】：2020-03-28 16:51:48
【问题描述】：

我是机器学习和二进制分类的新手，准确率和 AUC 完全相同，我不确定这是否可行或有任何问题。

感谢帮助！

谢谢

【问题讨论】：

标签： machine-learning data-science evaluation auc

【解决方案1】：

我认为结果表明模型可能过拟合或欠拟合。最好的方法是使用训练测试拆分并检查测试数据的结果。

另一个原因可能是您的数据量很小，并且两个模型都能够过拟合，因此您肯定需要进行训练-测试拆分。

希望这会有所帮助。

【讨论】：

感谢您的回答，我相信与训练测试拆分相比，k 折交叉验证更好并且可以防止过度拟合（即支持）。我的理解正确吗？我试过坚持，我得到了不同的 AUC 和准确性。但我想应用 k 折交叉验证。我该怎么办？
什么是K，你让模型看到所有数据了吗？你不应该有一个 K 结果吗？
我已将 K 设为 10，并计算平均准确率和平均 AUC

【解决方案2】：

如果您在没有任何调整的情况下看到如此高的准确度，那么大多数情况下基线也是超高的。

如果您想进行良好的比较，您可以构建一个虚拟分类器，它总是预测主要类别（二元分类中的类别是 0 和 1），因此您将始终预测 1，然后进行准确性测试。这将是你的基线，如果这也是 0.95，你就知道这个数据集是不平衡的，你的分类器不是一个好的结果。

【讨论】：