我很难理解scikit-learn中roc_auc_score()和auc()之间的区别（如果有的话）。
我试图预测一个二元输出，类别不平衡（Y=1的大约1.5%）。
分类器
model_logit = LogisticRegression(class_weight='auto')model_logit.fit(X_train_ridge, Y_train)ROC曲线
false_positive_rate, true_positive_rate, thresholds = roc_curve(Y_test, clf.predict_proba(xtest)[:,1])AUC的值
auc(false_positive_rate, true_positive_rate)Out[490]: 0.82338034042531527和
roc_auc_score(Y_test, clf.predict(xtest))Out[493]: 0.75944737191205602有人能解释这种差异吗？我以为两者只是在计算ROC曲线下的面积。可能是由于数据集不平衡，但我无法弄清楚为什么会这样。
谢谢！
回答：
AUC并不总是ROC曲线下的曲线下面积。曲线下面积是某个曲线下的（抽象）面积，因此它比AUROC更普遍。对于类别不平衡的情况，可能更适合计算精确度-召回率曲线的AUC。
查看roc_auc_score的sklearn源码：
def roc_auc_score(y_true, y_score, average="macro", sample_weight=None): # <...> docstring <...> def _binary_roc_auc_score(y_true, y_score, sample_weight=None): # <...> bla-bla <...> fpr, tpr, tresholds = roc_curve(y_true, y_score, sample_weight=sample_weight) return auc(fpr, tpr, reorder=True) return _average_binary_score( _binary_roc_auc_score, y_true, y_score, average, sample_weight=sample_weight) 如你所见，这首先获取ROC曲线，然后调用auc()来获取面积。
我猜你的问题出在predict_proba()的调用上。对于普通的predict()，输出总是相同的：
import numpy as npfrom sklearn.linear_model import LogisticRegressionfrom sklearn.metrics import roc_curve, auc, roc_auc_scoreest = LogisticRegression(class_weight='auto')X = np.random.rand(10, 2)y = np.random.randint(2, size=10)est.fit(X, y)false_positive_rate, true_positive_rate, thresholds = roc_curve(y, est.predict(X))print auc(false_positive_rate, true_positive_rate)# 0.857142857143print roc_auc_score(y, est.predict(X))# 0.857142857143如果你将上述代码改为以下内容，有时会得到不同的输出：
false_positive_rate, true_positive_rate, thresholds = roc_curve(y, est.predict_proba(X)[:,1])# 可能不同print auc(false_positive_rate, true_positive_rate)print roc_auc_score(y, est.predict(X))