为啥 auc 与 sklearn 和 R 的逻辑回归如此不同

Posted 2023-03-12

【中文标题】为啥 auc 与 sklearn 和 R 的逻辑回归如此不同

【英文标题】：Why the auc is so different from logistic regression of sklearn and R为什么 auc 与 sklearn 和 R 的逻辑回归如此不同

【发布时间】：2016-10-18 18:12:21

【问题描述】：

我使用相同的数据集在 R 和 python sklearn 中训练逻辑回归模型。数据集不平衡。 而且我发现 auc 完全不同。 这是python的代码：

model_logistic = linear_model.LogisticRegression() #auc 0.623
model_logistic.fit(train_x, train_y)
pred_logistic = model_logistic.predict(test_x) #mean:0.0235 var:0.023
print "logistic auc: ", sklearn.metrics.roc_auc_score(test_y,pred_logistic)

这是R的代码：

glm_fit <- glm(label ~ watch_cnt_7 + bid_cnt_7 + vi_cnt_itm_1 + 
ITEM_PRICE  + add_to_cart_cnt_7 + offer_cnt_7 +     
 dwell_dlta_4to2 + 
 vi_cnt_itm_2 + asq_cnt_7 + watch_cnt_14to7 + dwell_dlta_6to4 + 
auct_type + vi_cnt_itm_3 + vi_cnt_itm_7 + vi_dlta_4to2 + 
vi_cnt_itm_4 + vi_dlta_6to4 + tenure + sum_SRCH_item_7 + 
vi_cnt_itm_6 + dwell_itm_3 + 
offer_cnt_14to7 + #
dwell_itm_2 + dwell_itm_6 + CNDTN_ROLLUP_ID +
dwell_itm_5 + dwell_itm_4 + dwell_itm_1+ 
bid_cnt_14to7 + item_prchsd_cnt_14to7 +  #
dwell_itm_7  + median_day_rate + vb_ratio
, data = train, family=binomial())
p_lm<-predict(glm_fit, test[1:nc-1],type = "response" )
pred_lm <- prediction(p_lm,test$label)
auc <- performance(pred_lm,'auc')@y.values

python 的 auc 为 0.623，而 R 为 0.887。 所以我想知道 sklearn 逻辑回归有什么问题以及如何解决它。谢谢。

【问题讨论】：

一方面，1:nc-1 是错误的

那个错误没什么大不了的。 1:nc-1 将与 0:(nc-1) 相同，用作选择时，将等效于 1:(nc-1)。

如果您创建了一个可重现的小示例，将会很有帮助。例如，您可以在 R 中创建一个小的简单数据集，然后在 Python 和 R 中读取并运行。此外，确认两个模型中的逻辑回归系数相同会很有帮助。

我在训练前更改了模型的参数：model = linear_model.LogisticRegression(C=10000,class_weight='auto', random_state=42,fit_intercept=True) 并且新的 auc 变为 0.83。

【参考方案1】：

在 python 脚本中，您应该使用predict_proba 来获取两个类的概率估计值，并将正类的第二列作为roc_auc_score 的输入，因为 ROC 曲线是通过改变概率阈值绘制的。

pred_logistic = model_logistic.predict_proba(test_x)[:,1]

【讨论】：

非常感谢您的回复，auc sklearn 的回报比 R 的 glm 高 0.90。我还想向您寻求建议，放入 sklearn 逻辑模型中的参数的差异会对结果（如 auc）产生很大影响吗？非常感谢。

@yanachen，LogisticRegression 中有几个参数。我建议您调整penalty、C 和class_weight。此外，缩放特征也可能对线性模型产生影响。