调用roc_auc_score报错“Data is not binary...”的解决咨询

嘿，这个问题我之前踩过类似的坑，给你几个针对性的解决方向，亲测有效：

1. 先检查真实标签y1_test的状态 #

你只处理了预测值predictions，但真实标签如果不符合要求也会触发这个错误：

• 先确认y1_test的取值是否只有两个类别（二分类场景的核心要求），执行以下代码查看：

  import numpy as np
  print(np.unique(y1_test))
  

  如果输出不是[0 1]或者两个其他的离散值（比如[1 2]），那说明你的数据集不是二分类，或者标签存在脏数据。
• 同时把y1_test也转成整数类型，和预测值保持一致：

  y1_test = y1_test.astype(int)
  

2. 别传硬分类标签，传预测概率！ #

这里有个很容易忽略的细节：roc_auc_score默认需要的是预测概率/决策得分，不是离散的0/1类别标签。
决策树的predict()方法输出的是硬分类结果，而我们应该用predict_proba()获取每个样本属于正类的概率：

# 假设你的分类器变量是clf，X_test是测试集特征
predictions_proba = clf.predict_proba(X_test)[:, 1]  # 取第二列，对应正类（通常是1）的概率

然后用这个概率数组去计算ROC-AUC：

from sklearn.metrics import roc_auc_score
auc_score = roc_auc_score(y1_test, predictions_proba)

3. 显式指定pos_label参数 #

如果你的二分类标签不是默认的1作为正类（比如正类是0，或者标签是[2, 4]这种非0/1值），必须显式指定正类标签：

# 比如正类是1
auc_score = roc_auc_score(y1_test, predictions_proba, pos_label=1)
# 如果正类是0
auc_score = roc_auc_score(y1_test, predictions_proba, pos_label=0)

4. 确保数组是一维的 #

有时候数据集加载后会变成二维数组，这也可能导致报错，把两个数组都转成一维：

y1_test = y1_test.ravel()
predictions_proba = predictions_proba.ravel()

为什么你转成int数组还报错？ #

大概率是两个原因：要么真实标签没同步处理（类型不对或者有多余类别），要么你传入的是硬分类标签而非预测概率——roc_auc是基于排序的指标，硬分类的0/1会损失大量信息，也不符合函数的设计预期。

内容的提问来源于stack exchange，提问作者Swanand Bagve