Sklearn roc_auc_score 值用于二元结果和连续结果

问题描述

我正在尝试使用 sklearn 的 roc_auc_score 来评估两个模型。第一个是随机森林，第二个是 kNN 分类器。这是一个二元分类问题。但是我有一个问题，因为这两个模型的输出类型不同。

对于随机森林，输出是概率，一些想法如下。

[0.1,0.4,0.6,...,0.9]

对于 kNN 分类器，结果是二进制的

[0,1,1]

基本事实是二进制值。

不知道是不是直接用

from sklearn.metrics import roc_auc_score
roc_auc_score(labels,predictions)

这两个模型的 roc_auc 值是否具有可比性？由于第一个是连续输出，另一个是离散输出？或者我也应该将第一个转换为二进制？像0.5以下的元素是0，0.5以上的元素是1？

解决方法

KNN 分类器有一个方法 predict_proba，它应该返回概率 - 参见 documentation。