Scikit ROC auc 引发 ValueError：y_true 中仅存在一个类。在这种情况下没有定义 ROC AUC 分数答案

【问题标题】：Scikit ROC auc raises ValueError: Only one class present in y_true. ROC AUC score is not defined in that caseScikit ROC auc 引发 ValueError：y_true 中仅存在一个类。在这种情况下没有定义 ROC AUC 分数
【发布时间】：2015-10-17 22:37:07
【问题描述】：

尝试创建 ROC 曲线。

model = RandomForestClassifier(500, n_jobs = -1);
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

probas = model.predict_proba(X_test)[:, 1]
precision = metrics.precision_score(y_test, y_pred)    # returns 0.72

recall = metrics.recall_score(y_test.values, y_pred)   # returns 0.35
y_test.shape                                           # (39257, 1)

auc = metrics.roc_auc_score(y_test, probas)            # fails.

ValueError：y_true 中只有一个类。在这种情况下没有定义 ROC AUC 分数。

【问题讨论】：

标签： pandas scikit-learn random-forest roc auc

【解决方案1】：

最后回答了我自己的问题：

已将 y_test 作为 pandas DataFrame 而不是 Series 导入（使用 to_csv 保存并使用 from_csv 导入其他位置）。

这个 ROC 曲线上令人困惑的 scikit，但它似乎对其他任何地方都非常满意。

我会把这个留在这里，以防（不太可能）有人遇到同样的事情。

【讨论】：

【解决方案2】：

有时我们会遇到不平衡的数据集。

就像在拆分时一样，任何一个类都有可能不存在任何数据集（测试数据集） .所以拆分时最好使用分层技术。

或者如果您在训练 MLP 模型时面临，那么您可以尝试增加“batch_size”

我希望，这可能会有所帮助。谢谢

【讨论】：

检查操作答案。这不是不平衡的