sklearn 的 roc_auc_score 用作指标时如何找到错误率？答案

【问题标题】：How to find the error rate when sklearn's roc_auc_score is used as metrics?sklearn 的 roc_auc_score 用作指标时如何找到错误率？
【发布时间】：2019-04-01 21:58:18
【问题描述】：

auc = roc_auc_score(CV_label, y_pred_proba) * float(100)

但是，据说我无法使用 (100 - roc_auc_score) 找到错误。我发现了一个先前回答的关于相等错误率的问题。链接：Equal Error Rate in Python。如何仅使用 roc_auc_score 找到错误。

【问题讨论】：

你能澄清你想准确计算什么错误吗？我假设您使用“错误率”来表示 1 - 准确性，即错误分类示例的比例？ EER 在这里与它有什么关系？
当ROC作为指标时，我需要找到误差最小的超参数。我有一个不平衡的数据，其中 60:20:20::train:CV:test 作为拆分。我正在使用 KNN 算法，我必须在 CV 数据上找到最佳的“K”值（误差最小的值）。我如何找到它？
Calimo，我正在使用简单的交叉验证。

标签： python-3.x scikit-learn metrics roc

【解决方案1】：

你不能。 ROC AUC是ROC曲线的汇总，无法从汇总的metric中恢复出单个点的信息。

您应该改用accuracy_score 指标：

accuracy = accuracy_score(CV_label, y_pred_proba)

【讨论】：

我有一个不平衡的数据集，所以我选择 ROC 作为我的指标。