2

scikit-learn のメトリクス モデルから「roc_curve」を使用しています。この例は、次のよう'roc_curve'に前に呼び出す必要があることを示しています'auc'。

fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=2)

その後：

metrics.auc(fpr, tpr)

ただし、次のエラーが返されます。

Traceback (most recent call last):   File "analysis.py", line 207, in <module>
    r = metrics.auc(fpr, tpr)   File "/apps/anaconda/1.6.0/lib/python2.7/site-packages/sklearn/metrics/metrics.py", line 66, in auc
    x, y = check_arrays(x, y)   File "/apps/anaconda/1.6.0/lib/python2.7/site-packages/sklearn/utils/validation.py", line 215, in check_arrays
    _assert_all_finite(array)   File "/apps/anaconda/1.6.0/lib/python2.7/site-packages/sklearn/utils/validation.py", line 18, in _assert_all_finite
    raise ValueError("Array contains NaN or infinity.") ValueError: Array contains NaN or infinity.

それは用語または結果で何を意味しますか/これを克服する方法はありますか?

4

2 に答える 2

0

マルチクラス分類器を評価するためにroc_curveを使用しようとしていますか? つまり、バイナリではない分類問題で roc_curve を使用している場合、これは正しく機能しません。多次元 ROC 分析のための数学がありますが、Python の現在の ROC メソッドはそれらを実装していません。

次のようなメソッドを使用してマルチクラスの問題を評価するには:

于 2013-12-01T17:29:24.110 に答える