11

我试图找到我的 SVM 的参数，这给了我最好的 AUC。但我在 sklearn 中找不到 AUC 的任何评分函数。有人有想法吗？这是我的代码：

    parameters = {"C":[0.1, 1, 10, 100, 1000], "gamma":[0.1, 0.01, 0.001, 0.0001, 0.00001]}
    clf = SVC(kernel = "rbf")
    clf = GridSearchCV(clf, parameters, scoring = ???)
    svr.fit(features_train , labels_train)
    print svr.best_params_

那我可以用来做什么？？？获得高 AUC 分数的最佳参数？

4

4 回答 4

30

您可以简单地使用：

clf = GridSearchCV(clf, parameters, scoring='roc_auc')
于 2016-06-08T07:53:10.307 回答
9

您可以自己制作任何得分手：

from sklearn.metrics import make_scorer
from sklearn.metrics import roc_curve, auc

# define scoring function 
 def custom_auc(ground_truth, predictions):
     # I need only one column of predictions["0" and "1"]. You can get an error here
     # while trying to return both columns at once
     fpr, tpr, _ = roc_curve(ground_truth, predictions[:, 1], pos_label=1)    
     return auc(fpr, tpr)

# to be standart sklearn's scorer        
 my_auc = make_scorer(custom_auc, greater_is_better=True, needs_proba=True)

 pipeline = Pipeline(
                [("transformer", TruncatedSVD(n_components=70)),
                ("classifier", xgb.XGBClassifier(scale_pos_weight=1.0, learning_rate=0.1, 
                                max_depth=5, n_estimators=50, min_child_weight=5))])

 parameters_grid = {'transformer__n_components': [60, 40, 20] }

 grid_cv = GridSearchCV(pipeline, parameters_grid, scoring = my_auc, n_jobs=-1,
                                                        cv = StratifiedShuffleSplit(n_splits=5,test_size=0.3,random_state = 0))
 grid_cv.fit(X, y)

欲了解更多信息，请在此处查看：sklearn make_scorer

于 2016-12-23T16:21:01.313 回答
6

使用下面的代码，它将为您提供所有参数列表

import sklearn

sklearn.metrics.SCORERS.keys()

选择您要使用的适当参数

在您的情况下，以下代码将起作用

clf = GridSearchCV(clf, parameters, scoring = 'roc_auc')
于 2018-12-11T16:37:47.343 回答
2

我还没有尝试过，但我相信你想使用sklearn.metrics.roc_auc_score.

问题是它不是一个模型记分器，所以你需要建立一个。就像是：

from sklearn.metrics import roc_auc_score

def score_auc(estimator, X, y):
    y_score = estimator.predict_proba(X)  # You could also use the binary predict, but probabilities should give you a more realistic score.
    return roc_auc_score(y, y_score)

并将此函数用作 GridSearch 中的评分参数。

于 2016-06-07T22:01:31.877 回答