invalid - errores comunes en python

ValueError: los datos no son binarios y no se especifica pos_label

Question

Estoy intentando calcular roc_auc_score , pero roc_auc_score siguiente error.

"ValueError: Data is not binary and pos_label is not specified"

Mi fragmento de código es el siguiente:

import numpy as np
from sklearn.metrics import roc_auc_score
y_scores=np.array([ 0.63, 0.53, 0.36, 0.02, 0.70 ,1 , 0.48, 0.46, 0.57])
y_true=np.array([''0'', ''1'', ''0'', ''0'', ''1'', ''1'', ''1'', ''1'', ''1''])
roc_auc_score(y_true, y_scores)

Por favor, dime qué está mal con eso.

Answer 1

Solo necesitas cambiar y_true para que se vea así:

y_true=np.array([0, 1, 0, 0, 1, 1, 1, 1, 1])

Explicación: si echa un vistazo a las funciones de roc_auc_score en https://github.com/scikit-learn/scikit-learn/blob/0.15.X/sklearn/metrics/metrics.py verá que y_true se evalúa como sigue:

classes = np.unique(y_true)
if (pos_label is None and not (np.all(classes == [0, 1]) or
np.all(classes == [-1, 1]) or
np.all(classes == [0]) or
np.all(classes == [-1]) or
np.all(classes == [1]))):
raise ValueError("Data is not binary and pos_label is not specified")

En el momento de la ejecución, pos_label es None , pero mientras esté definiendo y_true como una matriz de caracteres, np.all siempre son false y todos ellos se niegan, entonces la condición if es true y la excepción se produce.