我正在使用sklearn包來構(gòu)建邏輯回歸模型,然后對其進行評估.具體來說,我想使用交叉驗證,但無法通過cross_val_score函數(shù)找出正確的方法.

根據(jù)我看到的documentation和examples,我需要傳遞模型,特征,結(jié)果和評分方法的功能.然而,AUC不需要預(yù)測,它需要概率,因此它可以嘗試不同的閾值并基于此計算ROC曲線.那么這里的正確方法是什么？這個函數(shù)有’roc_auc’作為一種可能的評分方法,所以我假設(shè)它與它兼容,我只是不確定使用它的正確方法.下面的示例代碼段.

from sklearn.linear_model import LogisticRegression

from sklearn.cross_validation import cross_val_score

features = ['a','b','c']

outcome = ['d']

X = df[features]

y = df[outcome]

crossval_scores = cross_val_score(LogisticRegression(),X,y,scoring='roc_auc',cv=10)

基本上,我不明白為什么我需要在這里將y傳遞給我的cross_val_score函數(shù),而不是在邏輯回歸模型中使用X計算的概率.它只是自己做那個部分嗎？

總結(jié)

以上是生活随笔為你收集整理的python交叉验证函数_python – 在sklearn中使用交叉验证和AUC-ROC作为逻辑回归模型...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。