作ROC曲线时遇上的问题

使用ROC曲线评估分类模型是非常通用的手段，但是，使用它的时候要注意两点：
1、分类的类型。
必须为数值型。
2、只针对二分类问题。
ROC曲线是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制的曲线。传统的诊断试验评价方法有一个共同的特点，必须将试验结果分为两类，再进行统计分析。
下面有个例子：

import numpy as np
from sklearn.metrics import roc_auc_score
y_scores=np.array([ 0.63, 0.53, 0.36, 0.02, 0.70 ,1 , 0.48, 0.46, 0.57])
y_true=np.array(['0', '1', '0', '0', '1', '1', '1', '1', '1'])
roc_auc_score(y_true, y_scores)

当运行此代码时，会出现ValueError: Data is not binary and pos_label is not specified for roc_curve的错误。y_true有问题。我们再看源码定义的y_true：

classes = np.unique(y_true)
if (pos_label is None and not (np.all(classes == [0, 1]) or
 np.all(classes == [-1, 1]) or
 np.all(classes == [0]) or
 np.all(classes == [-1]) or
 np.all(classes == [1]))):
    raise ValueError("Data is not binary and pos_label is not specified")

可以看出他是数值型的变量，而不是字符串的变量，所以，将y_true改为：

y_true=np.array([0, 1, 0, 0, 1, 1, 1, 1, 1])

就行了！
同时，也许你还会遇上这样的错误：
ValueError: multiclass format is not supported
这是因为，你的类别数多于了两个，前面我们也说过ROC只能针对二分类问题。所以，对于多分类问题，我们不用ROC曲线去评估。如果，不信，可以将y_true变为：
 

y_true=np.array([0, 1, 0, 0, 1, 1, 1, 1, 2])

看看是不是会出现：ValueError: multiclass format is not supported