【问题标题】：sklearn multiclass roc auc scoresklearn 多类 roc auc 分数
【发布时间】：2020-11-27 21:39:46
【问题描述】：

如何获取sklearn中多类分类的roc auc分数？

二进制

# this works
roc_auc_score([0,1,1], [1,1,1])

多类

# this fails
from sklearn.metrics import roc_auc_score

ytest  = [0,1,2,3,2,2,1,0,1]
ypreds = [1,2,1,3,2,2,0,1,1]

roc_auc_score(ytest, ypreds,average='macro',multi_class='ovo')

# AxisError: axis 1 is out of bounds for array of dimension 1

我查看了官方documentation但无法解决问题。

【问题讨论】：

按照文档，您有一个multi_class 参数

标签： python scikit-learn roc auc

【解决方案1】：

多标签案例中的 roc_auc_score 期望具有形状 (n_samples, n_classes) 的二进制标签指示符，这是回到一对多时尚的方式。

要轻松做到这一点，您可以使用 label_binarize (https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.label_binarize.html#sklearn.preprocessing.label_binarize)。

对于您的代码，它将是：

from sklearn.metrics import roc_auc_score
from sklearn.preprocessing import label_binarize

# You need the labels to binarize
labels = [0, 1, 2, 3]

ytest  = [0,1,2,3,2,2,1,0,1]

# Binarize ytest with shape (n_samples, n_classes)
ytest = label_binarize(ytest, classes=labels)

ypreds = [1,2,1,3,2,2,0,1,1]

# Binarize ypreds with shape (n_samples, n_classes)
ypreds = label_binarize(ypreds, classes=labels)


roc_auc_score(ytest, ypreds,average='macro',multi_class='ovo')

通常，这里 ypreds 和 yest 变成：

ytest
array([[1, 0, 0, 0],
       [0, 1, 0, 0],
       [0, 0, 1, 0],
       [0, 0, 0, 1],
       [0, 0, 1, 0],
       [0, 0, 1, 0],
       [0, 1, 0, 0],
       [1, 0, 0, 0],
       [0, 1, 0, 0]])

ypreds
array([[0, 1, 0, 0],
       [0, 0, 1, 0],
       [0, 1, 0, 0],
       [0, 0, 0, 1],
       [0, 0, 1, 0],
       [0, 0, 1, 0],
       [1, 0, 0, 0],
       [0, 1, 0, 0],
       [0, 1, 0, 0]])

【讨论】：

我使用的是 Python 3，我在上面运行了您的代码并收到以下错误：TypeError: roc_auc_score() got an unexpected keyword argument 'multi_class'。所以我更新到 scikit-learn 0.23.2（有 0.23.1）。感谢您的帖子。