用python绘制ROC曲线进行多分类

从这里跟进：

我想为我46个班的每个班画ROC曲线。我有300个测试样本，我已经运行了我的分类器来进行预测

y_test

是真正的类，而

y_pred

是我的分类器预测的

这是我的密码：

    from sklearn.metrics import confusion_matrix, roc_curve, auc
    from sklearn.preprocessing import label_binarize
    import numpy as np

    y_test_bi = label_binarize(y_test, classes=[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18, 19,20,21,2,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,3,40,41,42,43,44,45])
    y_pred_bi = label_binarize(y_pred, classes=[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18, 19,20,21,2,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,3,40,41,42,43,44,45])
    # Compute ROC curve and ROC area for each class
    fpr = dict()
    tpr = dict()
    roc_auc = dict()
    for i in range(2):
        fpr[i], tpr[i], _ = roc_curve(y_test_bi, y_pred_bi)
        roc_auc[i] = auc(fpr[i], tpr[i])

但是，现在我得到了以下错误：

Traceback (most recent call last):
  File "C:\Users\app\Documents\Python Scripts\gbc_classifier_test.py", line 152, in <module>
    fpr[i], tpr[i], _ = roc_curve(y_test_bi, y_pred_bi)
  File "C:\Users\app\Anaconda\lib\site-packages\sklearn\metrics\metrics.py", line 672, in roc_curve
    fps, tps, thresholds = _binary_clf_curve(y_true, y_score, pos_label)
  File "C:\Users\app\Anaconda\lib\site-packages\sklearn\metrics\metrics.py", line 505, in _binary_clf_curve
    y_true = column_or_1d(y_true)
  File "C:\Users\app\Anaconda\lib\site-packages\sklearn\utils\validation.py", line 265, in column_or_1d
    raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (300L, 46L)

回溯（最近一次呼叫最后一次）：
文件“C:\Users\app\Documents\Python Scripts\gbc\u classifier\u test.py”，第152行，在
fpr[i]、tpr[i]、u=roc_曲线（y_检验，y_预测）
文件“C:\Users\app\Anaconda\lib\site packages\sklearn\metrics\metrics.py”，第672行，在roc\U曲线中
fps、tps、阈值=\二进制\ clf\曲线（y\真、y\分数、位置标签）
文件“C:\Users\app\Anaconda\lib\site packages\sklearn\metrics\metrics.py”，第505行，在二进制clf曲线中
y_真=列或1d（y_真）
文件“C:\Users\app\Anaconda\lib\site packages\sklearn\utils\validation.py”，第265行，在列\u或\u 1d中
raise VALUERROR（“错误的输入形状{0}”。格式（形状））
ValueError:输入形状错误（300L、46L）

roc\u曲线

采用形状参数

[n\u样本]

（），并且您的输入（无论是

y\u测试/u bi

还是

y\u预测/u bi

）都是形状

（300,46）

。注意第一点

我认为问题在于

y\u pred\u bi

是一个概率数组，通过调用

clf.predict\u proba（X）

（请确认）。由于您的分类器在所有46个类上都进行了训练，因此它为每个数据点输出46维向量，

label\u binarize

对此无能为力

我知道两种解决方法：

在

clf.fit（）

之前调用

label\u binarize

训练46个binary分类器，然后计算ROC曲线

对300×46输出数组的每一列进行切片，并将其作为第二个参数传递给

roc\u曲线

。这是我的首选方法，我假设

y\u pred\u bi

包含概率

---

使用

标签\u二值化
：

import matplotlib.pyplot as plt
from sklearn import svm, datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import label_binarize
from sklearn.metrics import roc_curve, auc
from sklearn.multiclass import OneVsRestClassifier

iris = datasets.load_iris()
X = iris.data
y = iris.target

# Binarize the output
y = label_binarize(y, classes=[0, 1, 2])
n_classes = y.shape[1]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.5, random_state=0)
classifier = OneVsRestClassifier(svm.SVC(kernel='linear', probability=True,
                                 random_state=0))
y_score = classifier.fit(X_train, y_train).decision_function(X_test)

fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(n_classes):
    fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_score[:, i])
    roc_auc[i] = auc(fpr[i], tpr[i])
colors = cycle(['blue', 'red', 'green'])
for i, color in zip(range(n_classes), colors):
    plt.plot(fpr[i], tpr[i], color=color, lw=lw,
             label='ROC curve of class {0} (area = {1:0.2f})'
             ''.format(i, roc_auc[i]))

plt.plot([0, 1], [0, 1], 'k--', lw=lw)
plt.xlim([-0.05, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic for multi-class data')
plt.legend(loc="lower right")
plt.show()

感谢您在n_样品上的ip！我忘了做：
fpr[I]、tpr[I]、roc\u曲线（y\u test[：，I]、y\u score[：，I]）
而是直接通过
y\u test
和
y\u score
到
roc\u曲线
函数。我也有同样的问题。我有y_测试作为形状（648，）和y_probs作为（648，2）。我得到以下错误：ValueError:bad input shape（648，2）如何使y_probs成为一维向量？