Используется ли GridSearchCV для прогнозирования или прогнозирования_proba при использовании функции auc_score в качестве функции оценки?
Функция прогнозирования генерирует предсказанные метки классов, что всегда приведет к треугольной кривой ROC. Более изогнутая кривая ROC получается с использованием прогнозируемых вероятностей класса. Последнее, насколько мне известно, является более точным. Если это так, то область под криволинейной кривой ROC, вероятно, лучше всего измеряет эффективность классификации в поиске сетки.
Поэтому мне любопытно, если для поиска сетки используются либо метки классов, либо вероятности классов при использовании области под кривой ROC в качестве показателя производительности. Я попытался найти ответ в коде, но не мог понять. Кто-нибудь знает ответ?
Спасибо