テストデータでのAUC計算

2024年6月8日2024年6月17日

このコードは、パイプラインを使用してランダムフォレスト分類器のハイパーパラメータをグリッドサーチでチューニングし、最適なモデルを見つけ、そのモデルをテストデータで評価しています。AUCを計算するために、roc_auc_scoreを使用しましょう。

python
from sklearn.metrics import roc_auc_score

# テストデータでの予測確率を取得
y_pred_proba_test = best_model.predict_proba(X_test)

# AUCの計算
auc_score = roc_auc_score(y_test, y_pred_proba_test, multi_class='ovr')  # 多クラスの場合は'multi_class'を指定
print("Test AUC:", auc_score)

このコードを元のコードに追加することで、テストデータでのAUCが計算され、出力されます。