GridSearchCV与手动配置参数的RandomForestClassifier之间roc_auc_score结果不一致的问题

嘿，我一眼就发现你代码里的关键问题啦！

你手动计算AUC的时候，把参数传错了！看这一行：

auc = roc_auc_score(y_hat, y_hat_prob)

roc_auc_score的第一个参数应该是真实标签，第二个才是模型输出的预测概率值。你现在把模型预测出的类别标签y_hat当成真实标签传进去了，这相当于让模型和自己的预测结果比——模型对自己预测的类别肯定会给出最高的概率值，两者完全对应，ROC曲线直接就是完美的对角线（左上角到右下角），AUC自然会是1.0，这根本不是模型在验证集上的真实表现！

只需要把这行代码改成用真实的验证集标签y_validate就好：

auc = roc_auc_score(y_validate, y_hat_prob)

改完之后，手动训练的模型AUC就会和GridSearchCV得到的结果（0.84左右）在同一个区间了。

另外还有个小细节可以注意一下：RandomForestClassifier默认的random_state是None，这意味着每次训练时的随机数种子不一样，生成的决策树也会有细微差别，可能导致AUC有一点点波动。如果想要完全复现GridSearch里的最优模型结果，可以给手动训练的分类器加上固定的随机状态（比如random_state=0），和GridSearch中的模型保持一致。

备注：内容来源于stack exchange，提问作者akaphenom