在随机森林中使用predict()与predict_proba()计算时ROC_AUC_SCORE是不同的

Question

在随机森林中，predict() 和predict_proba() 都给出了不同的roc_auc_score。

据我所知，predict_proba() 给出了概率，例如在二元分类的情况下，它将给出对应于两个类的两个概率。Predict() 给出了它预测的类。

    #Using predict_proba()
    rf = RandomForestClassifier(n_estimators=200, random_state=39)
    rf.fit(X_train[['Cabin_mapped', 'Sex']], y_train)

    #make predictions on train and test set
    pred_train = rf.predict_proba(X_train[['Cabin_mapped', 'Sex']])
    pred_test = rf.predict_proba(X_test[['Cabin_mapped', 'Sex']].fillna(0))

    print('Train set')
    print('Random Forests using predict roc-auc: {}'.format(roc_auc_score (y_train, pred_train)))

    print('Test set')
    print('Random Forests using predict roc-auc: {}'.format(roc_auc_score(y_test, pred_test)))

   #using predict()

   pred_train = rf.predict(X_train[['Cabin_reduced', 'Sex']])
   pred_test = rf.predict(X_test[['Cabin_reduced', 'Sex']])

   print('Train set')
   print('Random Forests using predict roc-auc: {}'.format(roc_auc_score(y_train, pred_train)))
   print('Test set')
   print('Random Forests using predict roc-auc: {}'.format(roc_auc_score(y_test, pred_test)))

使用 Predict_proba roc-auc 训练随机森林集：0.8199550985878832

使用 preditc_proba roc-auc 测试集随机森林：0.8332142857142857

使用预测 roc-auc 训练随机森林集：0.7779440793041364

使用预测 roc-auc 测试集随机森林：0.7686904761904761

Answer 1

正如您所说，该predict函数将预测返回为True/False值，而proba函数返回概率，即 1 和 0 之间的值，这就是差异的原因。

AUC 表示“曲线下面积”，如果曲线是 0/1 阶跃函数或由连续值组成的曲线，则 AUC 确实有所不同。

假设您只有一个示例，它应该归类为False. 如果您的分类器产生的概率为 0.7，则 ROC-AUC 值为 1.0-0.7=0.3。如果您使用predict，则预测将为True= 1.0，因此 ROC-AUC 将为 1.0-1.0=0.0。