sklearn auc ValueError：y_true 中只有一个类

Question

我在 Google 上进行了搜索，并看到了一些有关此错误的 StackOverflow 帖子。他们不是我的案子。

我使用 keras 训练一个简单的神经网络，并对分割后的测试数据集进行一些预测。但是使用roc_auc_score计算AUC时，出现如下错误：

"ValueError: Only one class present in y_true. ROC AUC score is not defined in that case."。

我检查了目标标签分布，它们高度不平衡。一些标签（总共 29 个标签）只有 1 个实例。因此，他们很可能在测试标签中没有正面标签实例。所以sklearn的roc_auc_score函数只报告了一类问题。这是合理的。

但我很好奇，当我使用sklearn的cross_val_score函数时，它可以正确处理AUC计算。

my_metric = 'roc_auc' 
scores = cross_validation.cross_val_score(myestimator, data,
                                   labels, cv=5,scoring=my_metric)

不知道cross_val_score发生了什么，是不是因为cross_val_score使用了分层交叉验证数据拆分？

---

更新
我继续进行一些挖掘，但仍然找不到背后的区别。我看到 cross_val_score 调用check_scoring(estimator, scoring=None, allow_none=False) 返回一个得分手，而check_scoring 将调用get_scorer(scoring) 将返回scorer=SCORERS[scoring]

而SCORERS['roc_auc']是roc_auc_scorer；
roc_auc_scorer 由

roc_auc_scorer = make_scorer(roc_auc_score, greater_is_better=True,
                                 needs_threshold=True)

所以，它仍在使用 roc_auc_score 函数。我不明白为什么 cross_val_score 与直接调用 roc_auc_score 的行为不同。

Answer 1

我认为你的预感是正确的。 AUC（ROC 曲线下的面积）需要足够数量的任一类才能有意义。

默认情况下，cross_val_score 会分别计算每一折的性能指标。另一种选择可能是执行 cross_val_predict 并计算所有折叠组合的 AUC。

你可以这样做：

from sklearn.metrics import roc_auc_score
from sklearn.cross_validation import cross_val_predict
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification


class ProbaEstimator(LogisticRegression):
    """
    This little hack needed, because `cross_val_predict`
    uses `estimator.predict(X)` internally.

    Replace `LogisticRegression` with whatever classifier you like.

    """
    def predict(self, X):
        return super(self.__class__, self).predict_proba(X)[:, 1]


# some example data
X, y = make_classification()

# define your estimator
estimator = ProbaEstimator()

# get predictions
pred = cross_val_predict(estimator, X, y, cv=5)

# compute AUC score
roc_auc_score(y, pred)