为什么在对相同数据和相同算法进行评估时会产生两个不同的 AUC 分数

Question

我正在研究一个分类问题，其评估指标为 ROC AUC。到目前为止，我已经尝试使用具有不同参数的 xgb。这是我用来采样数据的函数。并且可以找到相关的notebookhere (google colab)

def get_data(x_train, y_train, shuffle=False):

  if shuffle:
    total_train = pd.concat([x_train, y_train], axis=1)

    # generate n random number in range(0, len(data))
    n = np.random.randint(0, len(total_train), size=len(total_train))
    x_train = total_train.iloc[n]
    y_train = total_train.iloc[n]['is_pass']
    x_train.drop('is_pass', axis=1, inplace=True)

    # keep the first 1000 rows as test data
    x_test = x_train.iloc[:1000]
    # keep the 1000 to 10000 rows as validation data
    x_valid = x_train.iloc[1000:10000]
    x_train = x_train.iloc[10000:]

    y_test = y_train[:1000]
    y_valid = y_train[1000:10000]
    y_train = y_train.iloc[10000:]

    return x_train, x_valid, x_test, y_train, y_valid, y_test

  else:
    # keep the first 1000 rows as test data
    x_test = x_train.iloc[:1000]
    # keep the 1000 to 10000 rows as validation data
    x_valid = x_train.iloc[1000:10000]
    x_train = x_train.iloc[10000:]

    y_test = y_train[:1000]
    y_valid = y_train[1000:10000]
    y_train = y_train.iloc[10000:]

    return x_train, x_valid, x_test, y_train, y_valid, y_test 

这是我在混洗和非混洗数据上运行后得到的两个输出

AUC with shuffling:  0.9021756235738453
AUC without shuffling:  0.8025162142685565

你能找出这里的问题吗？

Answer 1

问题在于，在您的改组实施中-np.random.randint 生成随机数，但它们可以重复，因此您的训练集和测试+有效集中出现了相同的事件。您应该改用np.random.permutation（并考虑使用np.random.seed 以确保结果的可重复性）。

另一个注意事项 - 训练集和验证/测试集之间的性能差异很大（训练显示几乎完美的 ROC AUC）。我猜，这是由于树的最大深度 (14) 太高，以至于你允许你手头的数据集大小 (~60K)

附：感谢您分享协作链接 - 我不知道，但它非常有用。