H2O 和 Scikit-Learn 指标评分之间有什么区别吗？

我尝试使用H2O创建一些用于二元分类问题的机器学习模型，测试结果非常好。但后来我查了一下，发现了一些奇怪的事情。出于好奇，我尝试打印测试集模型的预测。我发现我的模型实际上一直预测为 0（负），但 AUC 在 0.65 左右，并且精度不是 0.0。然后我尝试使用 Scikit-learn 来比较指标分数，并且（正如预期的那样）它们是不同的。 Scikit learn 的精度为 0.0，AUC 分数为 0.5，我认为这是正确的。这是我使用的代码：

model = h2o.load_model(model_path)
predictions = model.predict(Test_data).as_data_frame()

# H2O version to print the AUC score
auc = model.model_performance(Test_data).auc()

# Python version to print the AUC score
auc_sklearn = sklearn.metrics.roc_auc_score(y_true, predictions['predict'].tolist())

任何想法？提前致谢！

H2O 和 scikit-learn 评分之间没有区别，您只需要了解如何理解输出，以便准确比较它们。

如果您查看以下数据predictions['predict']您会看到它是一个预测类别，而不是原始预测值。 AUC 使用后者，因此您需要使用正确的列。见下文：

import h2o
from h2o.estimators.gbm import H2OGradientBoostingEstimator
h2o.init()

# Import a sample binary outcome train/test set into H2O
train = h2o.import_file("https://s3.amazonaws.com/erin-data/higgs/higgs_train_10k.csv")
test = h2o.import_file("https://s3.amazonaws.com/erin-data/higgs/higgs_test_5k.csv")

# Identify predictors and response
x = train.columns
y = "response"
x.remove(y)

# For binary classification, response should be a factor
train[y] = train[y].asfactor()
test[y] = test[y].asfactor()

# Train and cross-validate a GBM
model = H2OGradientBoostingEstimator(distribution="bernoulli", seed=1)
model.train(x=x, y=y, training_frame=train)

# Test AUC
model.model_performance(test).auc()
# 0.7817203808052897

# Generate predictions on a test set
pred = model.predict(test)

检查输出：

In [4]: pred.head()
Out[4]:
  predict        p0        p1
---------  --------  --------
        0  0.715077  0.284923
        0  0.778536  0.221464
        0  0.580118  0.419882
        1  0.316875  0.683125
        0  0.71118   0.28882
        1  0.342766  0.657234
        1  0.297636  0.702364
        0  0.594192  0.405808
        1  0.513834  0.486166
        0  0.70859   0.29141

[10 rows x 3 columns]

现在与 sklearn 进行比较：

from sklearn.metrics import roc_auc_score

pred_df = pred.as_data_frame()
y_true = test[y].as_data_frame()

roc_auc_score(y_true, pred_df['p1'].tolist())
# 0.78170751032654806

在这里您可以看到它们大致相同。 AUC 是一种近似方法，因此当您比较不同的实现时，您会看到小数点后几位后的差异。