scikit-learn - Scikit-learn : roc_auc_score 根据地面实况是否是热编码返回不同的值

Question

不知道发生了什么，但是：

import numpy as np
from sklearn.preprocessing import OneHotEncoder
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import roc_auc_score
y_true = np.random.randint(np.ones((100,1))*5)
y_scores = RandomForestClassifier().fit(np.random.rand(100,5),y_true.ravel()).predict_proba(np.random.rand(100,5))
oh=OneHotEncoder()
print(roc_auc_score(oh.fit_transform(y_true.reshape(-1, 1)).toarray(), y_scores,multi_class='ovo'))
print(roc_auc_score(y_true.ravel(), y_scores,multi_class='ovo'))

不断给我不同的输出（显然我希望它每次运行它时都会给出不同的值，但我希望一个热编码和非一个热编码的真值返回相同的东西。示例输出：

0.5141240772057938
0.5242429384699121

任何人都知道我做错了什么（只是想了解我是否遗漏了什么）。

标签： scikit-learn