PySpark逻辑回归调用areaUnderROC和pr触发AttributeError问题咨询

• 低级变量错误：代码中直接调用model_summary.areaUnderROC，但你从未定义过model_summary变量，正确的调用路径应为model.summary
• 核心逻辑错误：你的训练任务属于多分类任务：作为标签的HSCode列包含2个以上的分类值，而areaUnderROC、pr属性仅在二分类逻辑回归的训练结果摘要中存在，多分类场景下的LogisticRegressionTrainingSummary对象本身就不包含这两个属性。

场景1：实际需求为二分类任务 #

先将作为标签的HSCode列处理为仅包含0、1两个值的二值列，再重新训练模型，即可正常调用对应属性：

# 补充定义summary变量
model_summary = model.summary
# 读取AUC
print("ROC曲线下面积：", model_summary.areaUnderROC)
# 读取PR曲线数据
model_summary.pr.show()

场景2：实际需求为多分类任务 #

多分类场景下不能直接调用二分类专属属性，需使用对应评估器计算所需指标：

from pyspark.ml.evaluation import MulticlassClassificationEvaluator, BinaryClassificationEvaluator

# 生成模型预测结果
pred_df = model.transform(data)

# 计算多分类通用指标：准确率、F1、精确率、召回率等
multi_evaluator = MulticlassClassificationEvaluator(
    predictionCol="prediction", 
    labelCol="label", 
    metricName="f1" # 可替换为accuracy、weightedPrecision、weightedRecall等
)
f1 = multi_evaluator.evaluate(pred_df)
print("多分类F1值：", f1)

# 如需计算多分类AUC，可采用OVR（一对多）策略计算
auc_evaluator = BinaryClassificationEvaluator(
    labelCol="label", 
    rawPredictionCol="rawPrediction", 
    metricName="areaUnderROC"
)
ovr_auc = auc_evaluator.evaluate(pred_df)
print("OVR策略多分类AUC值：", ovr_auc)

内容的提问来源于stack exchange，提问作者Azman Mahyuddin