为什么当我在roc_auc评分中使用GridSearchCV时，grid_search.score（X，y）和roc_auc_score（y，y_predict）的分数不同？

为什么当我在roc_auc评分中使用GridSearchCV时，grid_search.score（X，y）和roc_auc_score（y，y_predict）的分数不同？

这是由于在GridSearchCV中使用roc_auc时初始化不同。

在这里查看源代码

roc_auc_scorer = make_scorer(roc_auc_score, greater_is_better=True,       needs_threshold=True)

观察第三个参数

needs_threshold

。如果为true，则将需要连续的值（

y_pred

例如，概率或置信度得分），这些值将在Gridsearch中从中计算

log_reg.decision_function()

。

当您显式调用

roc_auc_score

with时

y_pr

，您将使用

.predict()

，它将输出数据的最终预测类别标签而不是概率。那应该解释差异。

尝试：

y_pr=grid_search.decision_function(X)roc_auc_score(y, y_pr)

如果结果仍然不同，请使用完整的代码和一些示例数据来更新问题。