非数值y_score致sklearn roc_auc_score报ValueError问题咨询

你遇到报错的本质不是pandas转ndarray生成object类型的问题，而是混淆了roc_auc_score两个入参的语义要求：

• y_true（第一个入参）是真实标签，本身就支持字符串类型的二分类标签（比如'Active'/'Inactive'），源码中处理这个入参时check_array设置了dtype=None，不会强制转数值，内部会自动完成字符串标签到0/1数值的映射，不需要你提前手动编码。
• y_score（第二个入参）设计上就不接受字符串类型输入：这个参数要求传入模型输出的连续型预测置信度（比如正类预测概率、决策函数输出值），必须是数值类型，这也是源码中对这个入参做校验时默认要求numeric类型的原因——ROC AUC的计算逻辑依赖样本的预测分数排序，离散的分类标签（不管是字符串还是编码后的0/1硬分类结果）都不符合这个参数的输入要求，就算你手动把标签转成0/1数值传入，得到的结果也不是正确的ROC AUC值，会丢失模型的置信度排序信息。

你现在把和y_true格式完全一致的字符串分类预测结果传给了y_score，check_array尝试将字符串转为浮点数时自然会抛出ValueError。

• 不要将模型predict()方法输出的硬分类标签（即'Active'/'Inactive'这类结果）传给y_score，请传入模型输出的正类连续预测分数：比如调用model.predict_proba(X)[:, 1]获取对应正类的预测概率，得到的数值型数组可以直接传入。
• 调用时建议显式指定pos_label='Active'参数，明确告知函数哪个类别为正类，避免内部标签映射顺序出错。
• 如果你手上只有硬分类结果、没有对应的连续预测分数，说明你选择的评估指标不匹配，此时应该使用准确率、F1值、混淆矩阵这类适配硬分类输出的指标，而不是ROC AUC。

正确调用示例如下：

from sklearn.metrics import roc_auc_score
import numpy as np

# y_true可直接传入字符串类型的真实标签，无需提前编码
y_true = np.array(['Active', 'Inactive', 'Active', 'Inactive'], dtype=object)
# y_score必须传入数值型的正类预测分数（示例为predict_proba输出的正类概率）
y_score = np.array([0.92, 0.27, 0.88, 0.15])

# 显式指定正类标签计算AUC
auc_value = roc_auc_score(y_true, y_score, pos_label='Active')

内容的提问来源于stack exchange，提问作者Rhubarb