我在完全相同的数据集上应用逻辑回归和支持向量机，其中 70% 的数据用于训练，30% 用于测试。两者的表现完全相同，具有相同的精度、召回率、f1-score 和混淆矩阵。两者的混淆矩阵和分类报告如下所示。

       [1180    0]
       [  17    0]]

         precision    recall  f1-score   support

   0       0.99      1.00      0.99      1180
   1       0.00      0.00      0.00        17

   accuracy                               0.99      1197
   macro avg          0.49      0.50      0.50      1197
   weighted avg       0.97      0.99      0.98      1197

我对两个模型都应用了 10 倍交叉验证，两者都达到了 98.57% 的相同平均准确率，都未能在所有 10 倍中实现任何真阳性，并且在 10- 中的每一个中都有相同数量的 TP、TN、FP、FN折叠

然而，问题是当我计算曲线值下的 roc 面积时，它们是不同的，如下所示：

Logistic Regression: 0.86
Support Vector Machines: 0.23

这些值表明逻辑回归与支持向量机相比要好得多，尽管混淆矩阵和分类报告是相同的我真的很困惑，因为所有其他结果都表明两个模型的性能相同？有人可以帮助为什么两者都获得不同的 roc 值而其他一切都相同。