Keras，auc在训练期间的验证设置与sklearn auc不匹配

Question

我使用我的测试集作为验证集。我使用类似的方法作为How to compute Receiving Operating Characteristic (ROC) and AUC in keras?

问题是我在训练期间的val_auc大约是0.85，当我使用时

fpr, tpr, _ = roc_curve(test_label, test_prediction)
roc_auc = auc(fpr, tpr)

我得到了0.60的金额。我知道他们使用不同的配方，并且流式传输可能与sklearn计算的不同。但差异非常大，我无法弄清楚造成这种差异的原因。

# define roc_callback, inspired by https://github.com/keras-team/keras/issues/6050#issuecomment-329996505
def auc_roc(y_true, y_pred):
    # any tensorflow metric
    value, update_op = tf.contrib.metrics.streaming_auc(y_pred, y_true)

    # find all variables created for this metric
    metric_vars = [i for i in tf.local_variables() if 'auc_roc' in i.name.split('/')[1]]

    # Add metric variables to GLOBAL_VARIABLES collection.
    # They will be initialized for new session.
    for v in metric_vars:
        tf.add_to_collection(tf.GraphKeys.GLOBAL_VARIABLES, v)

    # force to update metric values
    with tf.control_dependencies([update_op]):
        value = tf.identity(value)
        return value

clf = Sequential()

clf.add(LSTM(units = 128, input_shape = (windowlength, trainX.shape[2]), return_sequences = True))#, kernel_regularizer=regularizers.l2(0.01)))

clf.add(Dropout(0.2))

clf.add(LSTM(units = 64, return_sequences = False))#, kernel_regularizer=regularizers.l2(0.01)))

clf.add(Dropout(0.2))

clf.add(Dense(units = 128, activation = 'relu'))
clf.add(Dropout(0.2))

clf.add(Dense(units = 128, activation = 'relu'))

clf.add(Dense(units = 1, activation = 'sigmoid'))
clf.compile(loss='binary_crossentropy', optimizer = 'adam', metrics = ['acc', auc_roc])

my_callbacks = [EarlyStopping(monitor='auc_roc', patience=50, verbose=1, mode='max')]
clf.fit(trainX, trainY, batch_size = 1000, epochs = 80, class_weight = class_weights, validation_data = (testX, testY), 
        verbose = 2, callbacks=my_callbacks)
y_pred_pro = model.predict_proba(testX)
print (roc_auc_score(y_test, y_pred_pro))

如果有人能引导我走向正确的方向，我真的很感激。

Answer 1

首先，tf.contrib.metrics.streaming_auc已弃用，请改用tf.metrics.auc。

正如您所提到的，TF使用不同的方法来计算AUC而不是Scikit-learn。 TF使用近似方法。引用其文档：

为了离散AUC曲线，使用线性间隔的阈值集来计算召回和精确值对。

这几乎总是会给出比实际得分更高的AUC分数。此外，thresholds参数默认为200，如果数据集很大，则该参数为低。增加它应该使分数更准确，但无论你设置多高，它总会有一些错误。

另一方面，Scikit-learn使用不同的方法计算“真实的”AUC分数。

我不知道为什么TF使用近似方法，但我想因为它的内存效率更高，速度更快。此外，虽然它高估了分数，但它很可能会保留模型的相对顺序：如果一个模型具有比另一个模型更接近的AUC，那么它的真正AUC将 - 也可能 - 也更好。