为什么我得到不同的 roc_auc_scores？

如何解决为什么我得到不同的 roc_auc_scores？

我正在研究一个二元分类问题，并使用以下代码通过 5 折交叉验证找到 ROC_AUC 分数（在每个折叠处）。

cv = KFold(n_splits=5,shuffle=True,random_state=41)
classifier=RandomForestClassifier()
tprs = []
aucs = []
mean_fpr = np.linspace(0,1,100)
for i,(train,test) in enumerate (cv.split(X,y)):
    clf=classifier.fit(X[train],y[train])
    prediction=clf.predict_proba(X[test])[:,1]
    fpr,tpr,t=roc_curve(y[test],prediction)
    tprs.append(np.interp(mean_fpr,fpr,tpr))
    roc_auc=auc(fpr,tpr)
    aucs.append(roc_auc)
    plt.plot(fpr,lw=2,alpha=1,label='Fold %d (AUC=%0.4f)'%(i+1,roc_auc))
plt.plot([0,1],[0,linestyle='--',color='k',label='Chance',alpha=1)
mean_tpr = np.mean(tprs,axis=0)
mean_auc = auc(mean_fpr,mean_tpr)
std_auc = np.std(aucs)
plt.plot(mean_fpr,mean_tpr,color='b',label=r'Mean ROC (AUC = %0.4f $\pm$ %0.4f)' % (mean_auc,std_auc),alpha=1)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC')
plt.legend(loc="lower right")
plt.show()

除了 ROC_AUC 分数之外，我还想计算其他性能指标，例如准确率、准确率、每折的召回率。为此，我使用了以下代码，但与我在上面获得的分数相比，我在此处获得的 ROC_AUC 分数不同。

from sklearn.metrics import make_scorer,accuracy_score,precision_score,recall_score,roc_auc_score
scoring={'accuracy': make_scorer(accuracy_score),'recall': make_scorer(recall_score),'precision': make_scorer(precision_score),'roc_auc_score':make_scorer(roc_auc_score)}

results=model_selection.cross_validate(estimator=classifier,X=X,y=y,cv=cv,scoring=scoring)

谁能指出我哪里出错了？还有如何计算每个折叠的其他指标？