用随机森林计算 ROC AUC

问题描述

我在多类问题中使用随机森林分类器。

rf = RandomForestClassifier(()
rf.fit(train_X,train_y)

然后进行预测：

pred = rf.predict(test_X)

那么我想像这样计算roc_auc_score：

roc_value = roc_auc_score(test_y,pred,average='weighted',multi_class='ovr',labels=[0,1,2,3,4])

但这会产生错误：

numpy.AxisError: axis 1 is out of bounds for array of dimension 1

我该如何解决这个问题？

解决方法

如果您对 ROC AUC 感兴趣，pred 需要是概率，而不是预测标签。在您的情况下，这是一个多类分类问题，因此 pred 需要是形状为 (n_samples,n_classes) 的矩阵。要获得它，您只需要使用 predict_proba 而不是 predict：

pred = rf.predict_proba(test_X)