scikit-learn中用于多类问题的ROC下的区域

Question

我正在研究情感分析程序。但是我设法在“ positive”和“ negative”旁边的类别中包括“ neutral”。它使类别成为多类。

所以我可以使roc_auc_score在多类中工作吗？还是除了使用roc_auc_score之外还有另一种方法来执行测量性能？

我的roc_auc_score实现：

print(roc_auc_score(y_test, clf.predict_proba(X_test)[:,1]))

Answer 1

是，当然可以。

请参见here：

注：此实现可与二进制，多类和多标签分类一起使用，但有一些限制（请参阅参数）。

和here：

sklearn.metrics.roc_auc_score功能可用于多类分类。

作为示例，让我们使用虹膜数据集：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import roc_auc_score

iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data,
                                                    iris.target,
                                                    stratify = iris.target,
                                                    random_state = 42)


model = DecisionTreeClassifier()
model.fit(X_train, y_train)
print('roc auc score: {:.4f}'.format(roc_auc_score(y_test, model.predict_proba(X_test), multi_class='ovo')))  

您得到：

roc auc得分：0.9808