使用sklearn的roc_auc_score进行OneVsOne多重分类吗？

Question

因此，我正在研究一个模型，该模型尝试使用RandomForest将样本分类为7类中的1类。我可以构建和训练模型，但是在使用roc_auc函数评估模型时，我可以执行'ovr'（oneVsrest），但是'ovo'给我带来了麻烦。

roc_auc_score(y_test, rf_probs, multi_class = 'ovr', average = 'weighted')

上面的方法效果很好，我得到了我的输出，但是，当我将multi_class切换为'ovo'时，我理解这可能会更好地解决类不平衡问题，出现以下错误：

roc_auc_score(y_test, rf_probs, multi_class = 'ovo')

IndexError：数组的索引太多

（（我在下面粘贴了整个回溯！）

目前，我的数据设置如下：

y_test（61,1）

y_probs（61，7）

我需要以特殊方式重塑数据以使用'ovo'吗？

在文档中，https://thomasjpfan.github.io/scikit-learn-website/modules/generated/sklearn.metrics.roc_auc_score.html说：“ 二进制y_true，y_score应该是具有更大标签的类的分数。多类情况期望shape = [n_samples，n_classes]，其中分数对应于概率估计。“

此外，整个回溯似乎暗示使用了更多二进制数组（希望这是正确的术语！我是新来的！）

非常，非常感谢您的任何想法/想法！

Answer 1

@@ Tirth Patel提供了正确的答案，我需要使用一种热编码来重塑测试集。谢谢！