sklearn中的roc_auc值有什么区别答案

【问题标题】：What is the difference of roc_auc values in sklearnsklearn中的roc_auc值有什么区别
【发布时间】：2020-06-23 06:29:50
【问题描述】：

我正在使用 sklearn 对我的二进制分类数据集使用 10 倍交叉验证，如下所示。我使用“accuracy”、“precision_weighted”、“recall_weighted”、“f1_weighted”来衡量我的结果。

scores = cross_validate(clf, X, y, cv=k_fold, scoring=("accuracy", "precision_weighted", "recall_weighted", "f1_weighted"))
print(scores)

我也想得到 roc_auc 结果。当我检查 sklearn 时，它们提供了以下选项。

‘roc_auc’
‘roc_auc_ovr’
‘roc_auc_ovo’
‘roc_auc_ovr_weighted’
‘roc_auc_ovo_weighted’

由于我使用weighted 测量精度、召回率和 f 测量，我认为我应该使用roc_auc_ovr_weighted、roc_auc_ovo_weighted。但是，我不清楚它们之间有什么区别。请给我推荐一个适合二进制分类问题的合适的。

如果需要，我很乐意提供更多详细信息。

【问题讨论】：

【解决方案1】：

来自documentationroc_auc是唯一适合二分类的。 weighted、ovr 和 ovo 用于多类问题。

【讨论】：

【解决方案2】：

您也应该使用“balanced_accuracy”以与“precision_weighted”、“recall_weighted”和“f1_weighted”保持一致

【讨论】：