我在尝试计算roc_curve时收到了这个错误消息
Traceback (most recent call last): File "script.py", line 94, in <module> fpr, tpr, _ = roc_curve(y_validate, status[:,1]) File "/usr/local/lib/python2.7/site-packages/sklearn/metrics/ranking.py", line 501, in roc_curve y_true, y_score, pos_label=pos_label, sample_weight=sample_weight) File "/usr/local/lib/python2.7/site-packages/sklearn/metrics/ranking.py", line 308, in _binary_clf_curve raise ValueError("Data is not binary and pos_label is not specified")ValueError: Data is not binary and pos_label is not specified我的代码
status = rf.predict_proba(x_validate)fpr, tpr, _ = roc_curve(y_validate, status[:,1]) //在这里生成错误roc_auc = auc(fpr, tpr)print roc_aucP.S: 我不太理解这个解决方案 (ValueError: Data is not binary and pos_label is not specified)，因为它似乎不太相关。
回答：
为了使ROC曲线的计算有效，您必须指定您视为“真”或“正”标签的标签。Scikit-learn假定提供给它的数据始终具有标签0和1（在您的案例中是y_validate变量），其中一个被任意选为正标签（我不知道具体如何——我相信您可以深入源代码并找出答案）。
正如错误消息中指出的那样，您的数据不符合这种预期的二进制格式。即使您的数据是二进制的，但标签是’T’和’F’，也会抛出这个错误。因此，根据scikit-learn的roc_curve()函数文档，您需要明确指定要用作“正类”的字符串标签。所以，如果您的y_validate变量中的标签是’T’和’F’，您应该这样做：fpr, tpr, _ = roc_curve(y_validate, status[:,1], pos_label='T')。
