python - 使用 sklearn 为二进制数组和浮点分数数组计算 roc 曲线时出现问题

Question

我正在尝试为一组像这样的预测计算 roc 曲线

 fpr, tpr, thresholds = roc_curve(y_test, probas)

这是 y_test 数组

数组（[-10.54，-9.49，-9.4，-9.37，-9.36，-9.31，-9.28，-9.14，-9.11，
       -9.03，-9.01，-9.0，-8.99，-8.98，-8.96，-8.91，-8.9，-8.9，-8.9，
       -8.89，-8.88，-8.86，-8.86，-8.84，-8.83，-8.78，-8.76，-8.74，
       -8.74，-8.69，-8.69，-8.69，-8.67，-8.64，-8.61，-8.57，-8.51，-8.5，
       -8.49，-8.48，-8.4，-8.34，-8.33，-8.3，-8.29，-8.29，-8.27，-8.26，
       -8.25，-8.22，-8.15，-8.12，-8.1，-8.08，-8.04，-8.04，-7.96，-7.94，
       -7.94, -7.85, -7.83, -7.82, -7.82, -7.81, -7.76, -7.74, -7.71,
       -7.65，-7.57，-7.54，-7.47，-7.4，-7.39，-7.34，-7.33，-7.32，-7.27，
       -7.23，-7.16，-7.08，-7.05，-6.92，-6.9，-6.89，-6.86，-6.86，-6.83，
       -6.78，-6.73，-6.69，-6.59，-6.57，-6.4，-6.37，-6.21，-6.19，-6.16，
       -6.04，-6.04，-5.57，-5.54，-5.35，-5.24，-5.0，-4.92]，dtype=object）

这是probas数组

数组（[1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=object)

现在当我尝试跑步时

fpr, tpr, thresholds = roc_curve(y_test, probas)

我得到一个 ValueError

--> 318 raise ValueError("{0} format is not supported".format(y_type)) 319 320 check_consistent_length(y_true, y_score, sample_weight)

ValueError：不支持连续格式

我该如何解决这个问题？

标签： pythonarraysnumpyscikit-learnroc

Answer 1

看起来你切换了目标分数和二进制标签。我必须dtype=object从您的阵列中删除它才能使其工作。以下是工作解决方案。根据官方页面here，第一个参数roc_curve是{0,1}范围内的二进制标签，第二个参数是目标分数。probab您作为目标分数和y_test二进制标签传递。

from sklearn.metrics import roc_curve

y_test = np.asarray([-10.54, -9.49, -9.4, -9.37, -9.36, -9.31, -9.28, -9.14, -9.11, -9.03, -9.01, -9.0, -8.99, -8.98, -8.96, -8.91, -8.9, -8.9, -8.9, -8.89, -8.88, -8.86, -8.86, -8.84, -8.83, -8.78, -8.76, -8.74, -8.74, -8.69, -8.69, -8.69, -8.67, -8.64, -8.61, -8.57, -8.51, -8.5, -8.49, -8.48, -8.4, -8.34, -8.33, -8.3, -8.29, -8.29, -8.27, -8.26, -8.25, -8.22, -8.15, -8.12, -8.1, -8.08, -8.04, -8.04, -7.96, -7.94, -7.94, -7.85, -7.83, -7.82, -7.82, -7.81, -7.76, -7.74, -7.71, -7.65, -7.57, -7.54, -7.47, -7.4, -7.39, -7.34, -7.33, -7.32, -7.27, -7.23, -7.16, -7.08, -7.05, -6.92, -6.9, -6.89, -6.86, -6.86, -6.83, -6.78, -6.73, -6.69, -6.59, -6.57, -6.4, -6.37, -6.21, -6.19, -6.16, -6.04, -6.04, -5.57, -5.54, -5.35, -5.24, -5.0, -4.92])
probas = np.asarray([1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
fpr, tpr, thresholds = roc_curve(probas,y_test)
plt.plot(fpr, label = 'fpr')
plt.plot(tpr, label = 'tpr')
plt.legend(fontsize=16)

输出