调用ROCAUC时报RandomForestClassifier无target_type_属性如何解决

• 第一个报错的核心原因是ROCAUC工具的调用逻辑不符合要求：你提前完成了随机森林模型的拟合，而ROCAUC需要在自身的fit执行阶段，从训练标签中推断目标类型（二分类/多分类/多标签），并将对应标识写入模型的target_type_属性，提前拟合的模型缺失这个属性就会触发报错。
• 第二个报错是前一个问题的连锁反应：ROCAUC实例初始化过程中因为属性缺失没有完成实例构造，调试器尝试读取实例repr时就会抛出该错误。

方案1（推荐，符合标准API规范） #

调整代码执行顺序，不要提前拟合模型，由ROCAUC接管模型拟合流程：

from yellowbrick.classifier import ROCAUC
from sklearn.ensemble import RandomForestClassifier

# 仅实例化模型，不提前fit
rf = RandomForestClassifier(**{"max_features": 0.4, "n_estimators":15,"min_samples_leaf": 0.1,"random_state":42})
# 实例化ROCAUC
roc_viz = ROCAUC(rf)
# 用ROCAUC的fit方法传入训练集，自动完成模型拟合和目标类型推断
roc_viz.fit(X_train, y_train)
# 传入测试集打分
roc_viz.score(X_test, y_test)
# 渲染ROC图
roc_viz.show()

方案2（兼容已拟合模型的临时方案） #

如果必须使用已经提前拟合好的模型，可以手动给模型补充target_type_属性：

# 二分类场景加这一行
rf.target_type_ = "binary"
# 如果是多分类场景，替换为
# rf.target_type_ = "multi"
# 如果是多标签分类场景，替换为
# rf.target_type_ = "multilabel"

roc_viz = ROCAUC(rf)
roc_viz.score(X_test, y_test)
roc_viz.show()

额外排查点 #

如果调整代码后仍有报错，检查依赖版本兼容性：要求scikit-learn >= 1.0，yellowbrick >= 1.5，可执行以下命令升级依赖：
pip install -U scikit-learn yellowbrick

内容的提问来源于stack exchange，提问作者mab66