逻辑回归ROC-AUC计算报错：dtype='numeric'与字节/字符串数组不兼容

错误原因 #

这个报错的核心是真实标签（y_test）或模型预测结果的类型不是数值型，而是字符串/字节类型，导致roc_auc_score无法处理。即使你对output_test做了dtype=float转换，如果原始y_test是字符串（比如"0"、"1"这类文本标签），直接转float会存在隐藏类型问题；另外如果训练时y_train是字符串，模型预测的结果也会是字符串类型，同样会触发错误。

修复步骤 #

1. 转换训练标签为数值型
   训练模型前，先把y_train转换成数值类型，确保模型学习的是数值标签：

   # 将y_train从字符串转为数值（假设标签是二分类的"0"/"1"或类似文本）
   y_train = np.array(y_train, dtype=np.float64)
   y = y_train.reshape(-1, 1)
   model_lr = LogisticRegression()
   res = model_lr.fit(X, y)
   

2. 正确转换测试标签为数值型
   不要只做reshape，先处理原始y_test的类型：

   # 先转换y_test为数值型，再reshape
   output_test = np.array(y_test, dtype=np.float64).reshape(-1, 1)
   

3. 验证预测结果的类型
   可以打印model_lr.predict(test)的类型和值，确认是数值型：

   pred = model_lr.predict(test)
   print(pred.dtype)  # 应输出float64或int64
   print(pred)        # 应是0/1这类数值，而非字符串
   

优化后的完整代码示例 #

import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_auc_score, roc_curve

# 处理训练数据
X = X_train.reshape(-1, 2)  # 用-1自动计算行数更合理
y_train = np.array(y_train, dtype=np.float64)
y = y_train.reshape(-1, 1)

# 训练模型
model_lr = LogisticRegression()
model_lr.fit(X, y)

# 处理测试数据
X_test = np.array(X_test, dtype=np.float64).reshape(-1, 2)
output_test = np.array(y_test, dtype=np.float64).reshape(-1, 1)

# 计算ROC AUC
logit_roc_auc = roc_auc_score(output_test, model_lr.predict(X_test))
print(f"ROC AUC Score: {logit_roc_auc}")

额外注意点 #

• 如果你的标签是其他文本（比如"positive"/"negative"），需要先做映射转换：

  label_mapping = {"positive": 1.0, "negative": 0.0}
  y_train = np.array([label_mapping[label] for label in y_train], dtype=np.float64)
  y_test = np.array([label_mapping[label] for label in y_test], dtype=np.float64)
  

• 避免重复的数组转换操作，比如你之前重复对test做np.array(test,dtype=float)，这完全没必要。

内容的提问来源于stack exchange，提问作者Erta Beqiri