Python机器学习SGD多分类调用roc_curve触发multiclass格式不支持报错求助

• sklearn的roc_curve接口原生仅支持二分类任务的ROC计算，你使用的红酒数据集是3分类任务，直接传入多类别标签y_test和3列的决策函数输出y_score会触发格式不支持报错
• 原有代码循环计算每个类别的ROC时，没有对标签做二值化转换，也没有按类别切片取对应的决策值，是触发错误的直接原因

将原有ROC计算的代码段替换为以下内容即可：

# 先对测试集标签做二值化处理，转为one-hot格式
y_test_bin = label_binarize(y_test, classes=[0,1,2])
y_score = best_clf.decision_function(X_test[:,[best_f1, best_f2]])
# 绘制ROC曲线并计算AUC     
fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(nclasses):
    # 针对每个类别，取对应二值化后的标签和对应类别的决策值
    fpr[i], tpr[i], _ = roc_curve(y_test_bin[:, i], y_score[:, i])
    roc_auc[i] = auc(fpr[i], tpr[i])

• 原有代码绘制测试集散点时定义的colors = ['cyan','orange']只有2个颜色，3分类任务会触发索引越界，修改为3个颜色即可，比如colors = ['cyan','orange','purple']
• 原有代码重复创建了两次决策边界的画布，可删掉一段重复的画布创建和绘图逻辑，避免生成多余空白图

内容的提问来源于stack exchange，提问作者bugzoid