sklearn 1.1.2中roc_auc_score参数组合报错是否为Bug？

这确实是scikit-learn 1.1.2版本中的文档与实现不一致的Bug。

具体说明 #

• scikit-learn 1.1.2的官方文档明确标注roc_auc_score函数的average=None仅在multi_class='ovo'时支持，但查看该版本的源码实现，当同时设置multi_class="ovo"和average=None时，代码会直接抛出NotImplementedError，这和文档描述完全矛盾。
• 该问题在后续版本（如1.2及以上）已被修复：这些版本中multi_class="ovo"搭配average=None可正常运行，会返回每一组类别对的ROC AUC分数。

1.1.2版本临时解决方案 #

如果需要在1.1.2版本中实现类似效果，可以手动实现一对一（One-vs-One）的ROC AUC计算：

from sklearn.metrics import roc_auc_score
import numpy as np

y_true = [0, 1, 2, 3]
y_pred_proba = [
    [0.7, 0.1, 0.1, 0.1],
    [0.1, 0.7, 0.1, 0.1],
    [0.1, 0.1, 0.7, 0.1],
    [0.1, 0.1, 0.1, 0.7],
]

# 生成所有类别对组合并计算对应ROC AUC
classes = np.unique(y_true)
pair_scores = []
for i in range(len(classes)):
    for j in range(i+1, len(classes)):
        # 筛选当前类别对的样本
        mask = (np.array(y_true) == classes[i]) | (np.array(y_true) == classes[j])
        y_true_pair = np.where(np.array(y_true)[mask] == classes[i], 0, 1)
        y_proba_pair = np.array(y_pred_proba)[mask][:, [i, j]]
        # 计算单类别对的ROC AUC
        score = roc_auc_score(y_true_pair, y_proba_pair[:, 1])
        pair_scores.append((f"{classes[i]} vs {classes[j]}", score))

print("各类别对的ROC AUC分数：")
for pair, score in pair_scores:
    print(f"{pair}: {score:.4f}")

内容的提问来源于stack exchange，提问作者Tim