python - 具有multi_class = ="ovr"的sklearn roc_auc_score应该没有平均可用

我正在尝试使用sklearn的roc_auc_score()函数为一个多类问题计算AUC分数。

我有一个形状为[n_samples，n_classes]的预测矩阵和一个形状为[n_samples]的地面真实向量，分别命名为np_pred和np_label。

我想要达到的是一组AUC分数，每门类(class)我都有一个。

为此，我想使用average参数选项None和multi_class参数设置为"ovr"，但是如果我运行

roc_auc_score(y_score=np_pred, y_true=np_label, multi_class="ovr",average=None)

我回来

ValueError: average must be one of ('macro', 'weighted') for multiclass problems

在multiclass的情况下，从sklearn函数可以预期到此错误；但是，如果您看一下roc_auc_score函数的源代码，可以看到，如果multi_class参数设置为"ovr"，并且平均值是可接受的值之一，则将MultiClass情况视为multiLabel one和内部multiLabel函数accepts None 作为average参数。

因此，通过查看代码，似乎我应该能够在None情况下以One vs Rest平均执行多类，但是源代码中的if不允许这种组合。

我错了吗？

万一我错了，从理论的角度来看，我应该假冒一个多标签的情况只是为了为不同的类使用不同的AUC，还是应该编写自己的函数来循环不同的类并输出AUC？

谢谢

最佳答案

如您所知，现在sklearn多类ROC AUC仅处理macro和weighted的平均值。但是它可以实现，因为它随后可以分别返回每个类(class)的分数。

从理论上讲，您可以实现OVR并计算每个类的roc_auc_score，如下所示:

roc = {label: [] for label in multi_class_series.unique()}
for label in multi_class_series.unique():
    selected_classifier.fit(train_set_dataframe, train_class == label)
    predictions_proba = selected_classifier.predict_proba(test_set_dataframe)
    roc[label] += roc_auc_score(test_class, predictions_proba[:,1])

关于python - 具有multi_class = ="ovr"的sklearn roc_auc_score应该没有平均可用，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59666138/