如何解决Cubic SVM计算AUC时出现的TypeError错误？

错误原因分析 #

• SVC.predict()返回的是类别标签（如1-8的整数），而非各类别的概率值，你用np.argmax(y_prob, axis=0)处理单个类别标签，会得到单元素数组（Singleton array），不符合roc_auc_score的输入要求。
• 默认SVC不输出概率估计，必须显式开启概率计算功能。
• 多分类场景下计算AUC，roc_auc_score需要接收每个样本在各个类别上的概率值，而非单一类别标签。

修正步骤 #

• 修改SVC初始化参数：添加probability=True，让模型支持输出概率估计。
• 获取类别概率：用predict_proba()代替predict()，得到形状为(n_samples, n_classes)的概率矩阵。
• 调整AUC计算逻辑：直接用真实标签和概率矩阵计算AUC，无需额外的argmax处理。

修正后的代码 #

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.metrics import roc_auc_score
from sklearn.svm import SVC

# 假设X和y是你的特征与目标变量
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化三次多项式核SVC，开启概率计算
model1 = SVC(kernel='poly', degree=3, probability=True, random_state=42)
model1.fit(X_train, y_train)

# 获取每个样本在各类别上的概率
y_prob = model1.predict_proba(X_test)

# 计算多分类AUC（ovr模式：One-vs-Rest）
auc = roc_auc_score(y_test, y_prob, multi_class='ovr')
print(f"多分类AUC值：{auc}")

额外说明 #

• 若目标变量y是1-8这类非0起始的整数，roc_auc_score仍能正常处理，它会自动识别类别数量。
• probability=True会增加模型训练时间，因为需要额外的Platt缩放生成概率估计。

内容的提问来源于stack exchange，提问作者Farshadih7