python - 值错误 : Data is not binary and pos_label is not specified for roc_curve

Question

我正在尝试计算 roc_curve 但我收到此错误消息

Traceback (most recent call last):
  File "script.py", line 94, in <module>
    fpr, tpr, _ = roc_curve(y_validate, status[:,1])
  File "/usr/local/lib/python2.7/site-packages/sklearn/metrics/ranking.py", line 501, in roc_curve
    y_true, y_score, pos_label=pos_label, sample_weight=sample_weight)
  File "/usr/local/lib/python2.7/site-packages/sklearn/metrics/ranking.py", line 308, in _binary_clf_curve
    raise ValueError("Data is not binary and pos_label is not specified")
ValueError: Data is not binary and pos_label is not specified

我的代码

status = rf.predict_proba(x_validate)
fpr, tpr, _ = roc_curve(y_validate, status[:,1]) //error generated here
roc_auc = auc(fpr, tpr)
print roc_auc

P.S:不太理解这个解决方案(ValueError: Data is not binary and pos_label is not specified)，因为它似乎并没有真正相关。

Answer 1

要使 ROC 曲线计算有效，您必须指定要视为“真”或“正”标签的标签。 Scikit-learn 假设提供给它的数据总是有标签 0 和 1(在你的例子中是变量 y_validate)，其中一个被任意选为正标签(我不完全知道如何 - 我相信您可以深入研究源代码并找出答案)。

如您的错误消息中所述 - 您的数据没有这种预期的二进制格式。即使你的数据是二进制的，但标签是“T”和“F”，它也会抛出这个错误。所以根据 roc_curve() function from scikit-learn 的文档，您需要准确指定将哪个字符串标签用作“正类”。因此，如果您的标签在 y_validate 变量中是“T”和“F”，您可以这样做:fpr, tpr, _ = roc_curve(y_validate, status[:,1], pos_label= 'T').