sklearn中使用roc_auc_score()函数计算auc。
group true得是
{
0
,
1
}
n
\{0,1\}^n
{0,1}n, pred 理论上得是每个元素都是概率。用于多标签分类的话是得用sigmoid 激活后的(0,1)之间的概率值。
但是sklearn是可以直接没有经过sigmoid 激活后的值作为输入的,结果跟有sigmoid 是一样的
roc_auc_score(gt,torch.sigmoid(pred))==roc_auc_score(gt,pred)