这个问题我之前也碰到过！Metrics包的auc()函数默认只处理一对一的向量，直接传多列预测值时，它会把多列的预测值拼接成一个长向量，和真实值循环匹配，这就导致了错误的结果和警告。下面给你两个简单的解决方法，帮你批量计算每个预测列对应的AUC：

方法1：使用基础R的apply()函数 #

apply()可以对数据框的每一列（或行）重复执行指定函数，非常适合这种批量计算场景：

require(Metrics)

# 你的原始数据集
evaluate <- "true prediction_1 prediction_2 prediction_3
1 0.9 0.5 0.8
1 0.9 0.4 0.7
1 0.8 0.6 0.75
0 0.1 0.3 0.2
0 0.05 0.4 0.1
0 0.15 0.45 0.15"
Table <- read.table(text=evaluate, header = TRUE)

# 按列批量计算AUC
auc_results <- apply(Table[, 2:4], MARGIN = 2, FUN = function(col) {
  auc(Table$true, col)
})

# 查看结果
auc_results

运行这段代码后，你会得到每个预测列对应的AUC值：

prediction_1 prediction_2 prediction_3 
          1.0       0.8333        1.0000 

这里的MARGIN=2表示我们要对列进行操作，匿名函数里的col代表当前循环到的预测列，每次都用固定的真实值Table$true和当前列计算AUC。

方法2：使用tidyverse风格的purrr::map_dbl() #

如果你习惯用tidyverse工具链，purrr包的map_dbl()也能轻松完成这个任务，代码更简洁：

library(purrr)
library(Metrics)

# 批量计算并返回数值向量
auc_results <- map_dbl(Table[, 2:4], ~ auc(Table$true, .x))

auc_results

map_dbl()会遍历数据框的每一列，~用来定义匿名函数，.x指代当前处理的列，最后自动返回一个数值向量，结果和上面完全一致。

这两种方法都能避免手动逐个列计算的繁琐，也不会出现向量循环匹配导致的错误结果。

内容的提问来源于stack exchange，提问作者Kamil