sklearn 分类度量 auc 返回 ValueError

Posted 2023-03-12

【中文标题】sklearn 分类度量 auc 返回 ValueError

【英文标题】：sklearn classification metric auc return ValueError

【发布时间】：2019-07-25 13:55:08

【问题描述】：

我正在使用 KNN 构建一个二分类模型

我试图用

计算auc_score

from sklearn.metrics import auc

auc(y_test, y_pred)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-183-980dc3c4e3d7> in <module>
----> 1 auc(y_test, y_pred)

~/.local/lib/python3.6/site-packages/sklearn/metrics/ranking.py in auc(x, y, reorder)
    117             else:
    118                 raise ValueError("x is neither increasing nor decreasing "
--> 119                                  ": .".format(x))
    120 
    121     area = direction * np.trapz(y, x)

ValueError: x is neither increasing nor decreasing : [1 1 1 ... 1 1 1].

然后我用roc_auc_score

from sklearn.metrics import roc_auc_score
roc_auc_score(y_test, y_pred)
0.5118361429056588

为什么auc 不起作用，而roc_auc_score 起作用。我虽然他们都是一样的？我在这里错过了什么？

这里y_test 是实际目标值，y_pred 是我的预测值。

【参考方案1】：

它们在实现和含义上是不同的：

auc:

使用梯形规则计算曲线下面积 (AUC)。 这是一个通用函数，给定曲线上的点。

roc_auc_score:

根据预测分数计算接收者操作特征曲线下的面积 (ROC AUC)。

这意味着auc 比roc_auc_score 更通用，尽管您可以从auc 获得相同的roc_auc_curve 值。因此，auc 的输入参数是指定曲线的x 和y 坐标，您的错误来自于必要输入类型的差异！此外，x 和 y 必须按升序或降序排列。

【讨论】：

为什么我在使用 auc 函数时会收到 ValueError？

我能知道你所说的x和y坐标是什么意思吗？您是指实际值和预测值吗？

@user214 x 和 y 要计算其 auc 的曲线的坐标。它们必须按升序或降序排列。

【参考方案2】：

这里指出：What does AUC stand for and what is it?

AUC 大部分时间用于表示 AUROC，这是一种不好的做法，因为正如 Marc Claesen 指出的那样，AUC 是模棱两可的（可能是任何曲线），而 AUROC 不是。

对于二进制分类，您需要使用度量 ROC AUC 而不是面积 在曲线下。

至于为什么AUC会出现value错误是因为下面的错误

x 既不增加也不减少：[1 1 1 ... 1 1 1]

auc 度量使用trapezoid rule 来近似曲线下的面积，梯形规则需要定期间隔采样函数，即它需要输入如下函数 y = exp(x^2)

X : 0.0, 0.1, 0.2, 0.3, 0.4

Y : 1.00000 1.01005 1.04081 1.09417 1.17351

因此 X 应该是单调递增或单调递减，而 Y 只是该点的函数输出。