Question

我正在尝试计算以下内容：

auc = roc_auc_score(gt, pr, multi_class="ovr")

其中gt是列表大小为 3470208 的列表，其中包含介于0到41（所有int）之间的值，而pr是列表大小为 3470208 （相同大小的列表），每个列表的大小为42，每个位置的概率总计为1。

但是，出现以下错误：

ValueError: Number of classes in y_true not equal to the number of columns in 'y_score'

所以我有点迷茫，因为y_true (gt)中的类数是42，因为我有一个从0到41的整数列表。

并且由于pr是大小为42的列表的列表，所以我认为它应该可以工作。

我们将不胜感激！

Answer 1

请确保gt中存在所有个介于0和41（含）之间的整数。

一个简单的例子：

import numpy as np
from sklearn.metrics import roc_auc_score

# results in error:
gt1 = np.array([0,1,3])
pr1 = np.array(
    [[0.1, 0.7, 0.1, 0.1], 
     [0.3, 0.3, 0.2, 0.2], 
     [0.5, 0.1, 0.1, 0.3]]
)
#roc_auc_score(gt1, pr1, multi_class='ovr')


# does not result in error:
gt2 = np.array([0,2,1,3])
pr2 = np.array(
    [[0.1, 0.7, 0.1, 0.1], 
     [0.3, 0.3, 0.2, 0.2], 
     [0.5, 0.1, 0.1, 0.3],
     [0.3, 0.3, 0.2, 0.2]] 
)
#roc_auc_score(gt2, pr2, multi_class='ovr')

由于gt1中不存在整数/标签2，因此会引发错误。换句话说， gt1 （3）中的类数不等于pr1 （4）中的列数。

Answer 2

roc_auc_score 方法有一个 labels 参数，可用于指定缺失的标签。

不幸的是，这只适用于 multi_class="ovo" 模式，而不适用于 "ovr" 模式。

# without labels
gt1 = np.array([0,1,3])
pr1 = np.array(
    [[0.1, 0.7, 0.1, 0.1], 
     [0.3, 0.3, 0.2, 0.2], 
     [0.5, 0.1, 0.1, 0.3]]
)
roc_auc_score(gt1, pr1, multi_class='ovo')
> ValueError: Number of classes in y_true not equal to the number of columns in 'y_score'

# with labels and multi-class="ovo":
gt1 = np.array([0,1,3])
pr1 = np.array(
    [[0.1, 0.7, 0.1, 0.1], 
     [0.3, 0.3, 0.2, 0.2], 
     [0.5, 0.1, 0.1, 0.3]]
)
roc_auc_score(gt1, pr1, multi_class='ovo', labels=[0, 1, 2, 3])
> 0.5

# with labels and multi-class="ovr":
gt1 = np.array([0,1,3])
pr1 = np.array(
    [[0.1, 0.7, 0.1, 0.1], 
     [0.3, 0.3, 0.2, 0.2], 
     [0.5, 0.1, 0.1, 0.3]]
)
roc_auc_score(gt1, pr1, multi_class='ovr', labels=[0, 1, 2, 3])
> ValueError: Only one class present in y_true. ROC AUC score is not defined in that case.

在这种情况下，y_true 中只有一个类，因为 roc_auc_score 函数遍历每个类（标识为类 A）并将它们与其他类进行比较（确定为 B 类）。对于第 2 类，y_true 数组等于 [B, B, B]，因此只有一个类，无法计算 ROC AUC 分数。

roc_auc_score y_test和y_score之间不匹配

2 个答案: