交差検証を行い、各評価指標（AUC、accuracy、precision、recall）を計算する
交差検証を行い、各評価指標（AUC、accuracy、precision、recall）を計算するためには、交差検証の各分割ごとにそれぞれの指標を計算し、その平均値を求める必要があります。以下は、その手順を示すコードです：
python
from sklearn.model_selection import cross_val_predict
from sklearn.metrics import roc_auc_score, accuracy_score, precision_score, recall_score
# 交差検証を実行し、予測値を取得
y_pred_cv = cross_val_predict(rf_model, combined_features, y_test, cv=5)
# AUCの計算
auc_scores = cross_val_score(rf_model, combined_features, y_test, cv=5, scoring='roc_auc')
# 正解率（accuracy）の計算
accuracy_scores = cross_val_score(rf_model, combined_features, y_test, cv=5, scoring='accuracy')
# 適合率（precision）の計算
precision_scores = cross_val_score(rf_model, combined_features, y_test, cv=5, scoring='precision_macro')
# 再現率（recall）の計算
recall_scores = cross_val_score(rf_model, combined_features, y_test, cv=5, scoring='recall_macro')
# 各評価指標の平均値を計算
mean_auc = np.mean(auc_scores)
mean_accuracy = np.mean(accuracy_scores)
mean_precision = np.mean(precision_scores)
mean_recall = np.mean(recall_scores)
# 結果の表示
print("Mean AUC:", mean_auc)
print("Mean Accuracy:", mean_accuracy)
print("Mean Precision:", mean_precision)
print("Mean Recall:", mean_recall)
このコードでは、cross_val_predictを使用して交差検証による予測値を取得し、cross_val_scoreを使用して各評価指標を計算しています。最後に、それぞれの指標の平均値を計算して表示しています。