java 计算auc_获得线性SVC的完美ROC-AUC分数

我正在为我的情绪分析模型评估不同的分类器 . 我正在查看所有可用的指标，虽然大多数达到类似的精确度，召回率，F1分数和ROC-AUC分数，但线性SVM似乎得到了 perfect ROC-AUC分数 . 请看下面的图表：

缩写：MNB =多项式朴素贝叶斯，SGD =随机梯度下降，LR = Logistic回归，LSVC =线性支持向量分类

以下是LSVC的其余性能指标，它们与其他分类器非常相似：

precision recall f1-score support

neg 0.83 0.90 0.87 24979

pos 0.90 0.82 0.86 25021

avg / total 0.87 0.86 0.86 50000

正如您所看到的，数据集是针对pos和neg注释进行 balancer 的 .

这是相关代码：

def evaluate(classifier):

predicted = classifier.predict(testing_text)

if isinstance(classifier.steps[2][1], LinearSVC):

probabilities = np.array(classifier.decision_function(testing_text))

scores = probabilities

else:

probabilities = np.array(classifier