在 Python sklearn.svm.OneClassSvm 中，如何仅使用预测标签和真实标签计算 ROC 和 AUC？答案

【问题标题】：In Python sklearn.svm.OneClassSvm, how to calculate ROC and AUC only with predicted label and real label?在 Python sklearn.svm.OneClassSvm 中，如何仅使用预测标签和真实标签计算 ROC 和 AUC？
【发布时间】：2019-10-06 14:37:08
【问题描述】：

我正在使用 Python 3.6，sklearn.svm.OneClassSVM 来练习 OSVM，我想

计算 ROC、AUC。

我使用decision_function()计算ROC和AUC，代码如下。

我想评估我通过决策函数计算的值。

只能使用预测标签和真实标签来获取ROC、AUC值吗？

     y_score = oneclass.decision_function(testing_data)
     roc_auc = metrics.roc_auc_score(Y_test, y_score)

【问题讨论】：

标签： python scikit-learn svm auc one-class-classification

【解决方案1】：

我不确定我是否正确完成了您的问题，但如果您这样做：

clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
clf.fit(X_train)
y_pred_train = clf.predict(X_train)
y_score = clf.predict(X_test)

那么你应该可以使用：

from sklearn.metrics import roc_auc_score
roc_auc_score(y_test, y_score)
``

【讨论】：

你的意思是y_score应该是1还是-1？感谢您回答我的问题。
这取决于你的目标值是多少，但总的来说这应该可行