为什么 pysark areaUnderROC 与 sklearn roc_auc_score 不同？ 答案

问题描述

我使用 pyspark 运行了一些二元分类，并且我正在使用 BinaryClassificationEvaluator 来评估在测试集上所做的预测。如果我使用 sklearn roc_auc_score，为什么我会得到不同的结果？例如：

from pyspark.ml.evaluation import BinaryClassificationEvaluator
from pyspark.ml.classification import RandomForestClassifier

trainDF,testDF = df.randomSplit([.8,.2],seed=42)
evaluator = BinaryClassificationEvaluator(
    labelCol="label",rawPredictionCol="prediction",metricName="areaUnderROC")

rf = RandomForestClassifier(labelCol="label",featuresCol="features")
rfModel = rf.fit(trainDF)
prediction = rfModel.transform(testDF)

# Now in the DataFrame prediction I have those columns: 'label','prediction','probability'
#  +-----+----------+---------------------+
#  |label|prediction|probability          |
#  +-----+----------+---------------------+
#  |0    |0.0       |[1.0,0.0]            |
#  |0    |0.0       |[0.9765625,0.0234375]|
#  |0    |0.0       |[0.9765625,0.0234375]|
#  +-----+----------+---------------------+

areaUnderROC = evaluator.evaluate(prediction) #IT RETURNS 0.954459

#Now I USE PANDAS
RF_pred = prediction.select('label','probability').toPandas()
probRF=[]
for i in range(prediction.count()):
    probRF.append(RF_pred['probability'][i][1])  #it takes only the probability for the label 1 

auc = roc_auc_score(RF_pred['label'],probRF) #IT RETURNS 0.9962

怎么可能？

答案

我应该使用 probability 列或保留默认值，我猜！这样我就有了与 roc_auc_score 相同的值。我不应该有错误或列错误的东西吗？

evaluator = BinaryClassificationEvaluator(
                                         labelCol="label",rawPredictionCol="probability",metricName="areaUnderROC")

我希望这会有所帮助，因为即使在官方文档中也没有太多关于 BinaryClassificationEvaluator 的内容，他们只在示例中使用 MulticlassClassificationEvaluator

解决方法

我应该使用 probability 列或保留默认值，我猜！这样我就有了与 roc_auc_score 相同的值。我不应该有错误或列错误的东西吗？

evaluator = BinaryClassificationEvaluator(
                                         labelCol="label",rawPredictionCol="probability",metricName="areaUnderROC")

我希望这会有所帮助，因为即使在官方文档中也没有太多关于 BinaryClassificationEvaluator 的内容，他们只在示例中使用 MulticlassClassificationEvaluator