Вероятности от cross_val_predict с использованием RepeatedStratifiedKFold 5 * 10

Моя цель - рассчитать AUC, специфичность, чувствительность с 95% доверительным интервалом из 5 * 10 StratifiedKfold CV. Мне также нужны специфичность и чувствительность для порога 0,4, чтобы максимизировать чувствительность.

Пока мне удалось реализовать это для AUC. Код ниже:

seed = 42

# Grid Search
fit_intercept=[True, False]
C = [np.arange(1,41,1)]
penalty = ['l1', 'l2']

params = dict(C=C, fit_intercept = fit_intercept, penalty = penalty)
print(params)

 logreg = LogisticRegression(random_state=seed)
# instantiate the grid
logreg_grid = GridSearchCV(logreg, param_grid = params , cv=5, scoring='roc_auc',  iid='False')
# fit the grid with data
logreg_grid.fit(X_train, y_train)

logreg = logreg_grid.best_estimator_

cv = RepeatedStratifiedKFold(n_splits = 5, n_repeats = 10, random_state = seed)


logreg_scores = cross_val_score(logreg, X_train, y_train, cv=cv, scoring='roc_auc')
print('LogReg:',logreg_scores.mean())


import scipy.stats
def mean_confidence_interval(data, confidence=0.95):
    a = 1.0 * np.array(data)
    n = len(a)
    m, se = np.mean(a), scipy.stats.sem(a)
    h = se * scipy.stats.t.ppf((1 + confidence) / 2, n-1)
    return m, m-h, m+h

mean_confidence_interval(logreg_scores, confidence=0.95)

Выход: (0,7964761904761904, 0,7675441789148183, 0,8254082020375626)

Пока я действительно доволен, но как я могу реализовать это для вероятностей, чтобы я мог рассчитать FPR, TPR и пороги? Для простого 5-кратного я бы сделал это так:

def evaluate_threshold(threshold):
    print('Sensitivity(',threshold,'):', tpr[thresholds > threshold][-1])
    print('Specificity(',threshold,'):', 1 - fpr[thresholds > threshold][-1])

logreg_proba = cross_val_predict(logreg, X_train, y_train, cv=5, method='predict_proba')
fpr, tpr, thresholds = metrics.roc_curve(y_train, log_proba[:,1])
evaluate_threshold(0.5)
evaluate_threshold(0.4)

#Output would be: 
#Sensitivity( 0.5 ): 0.76
#Specificity( 0.5 ): 0.7096774193548387
#Sensitivity( 0.4 ): 0.88
#Specificity( 0.4 ): 0.6129032258064516

Если я попробую это сделать с резюме 5 * 10:

cv = RepeatedStratifiedKFold(n_splits = 5, n_repeats = 10, random_state = seed)    
y_pred = cross_val_predict(logreg, X_train, y_train, cv=cv, method='predict_proba')
fpr, tpr, thresholds = metrics.roc_curve(y_train, log_proba[:,1])
evaluate_threshold(0.5)
evaluate_threshold(0.4)

выдает ошибку:

cross_val_predict only works for partitions

Не могли бы вы помочь мне решить эту проблему?


python scikit-learn cross-validation k-fold roc
person Mischa    schedule 18.05.2020    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Это то, что я пробовал.

for i in range(10):
    cv = StratifiedKFold(n_splits = 5, random_state = i)   
    y_pred = cross_val_predict(logreg, X_train, y_train, cv=cv, method='predict_proba')
    fpr, tpr, thresholds = metrics.roc_curve(y_train, log_proba[:,1])
    evaluate_threshold(0.5)

Out: 
Sensitivity( 0.5 ): 0.84
Specificity( 0.5 ): 0.6451612903225806
Sensitivity( 0.5 ): 0.84
Specificity( 0.5 ): 0.6451612903225806
Sensitivity( 0.5 ): 0.84
Specificity( 0.5 ): 0.6451612903225806
and so on....

К сожалению, результат всегда один и тот же, и это не то, что я ожидал бы при использовании RepeatedStratifiedKFold.

Может кто посоветует?

person Mischa    schedule 19.05.2020