np.vectorize only size-1 arrays 可以轉換為標量

Question

我正在嘗試打印評估我的貝葉斯 model 的 ROC 曲線

fpr, tpr, _ =roc_curve(y_test, y_pred)

功能：

plt.plot(fpr, tpr, label='Naive Bayes (AUROC = %0.3f)' % y_pred)

plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.legend()  
plt.show()

我在繪制它時收到錯誤。 以前的帖子建議使用np.vectorize但我在我的fpr和 tpr 上嘗試了tpr astype(int) ：

x = fpr.astype(int)
y = tpr.astype(int)

它仍然沒有幫助

這里有什么問題？ 這是 fpr,tpr 在調用astype之前的樣子

Answer 1

使用您顯示的fpr和plot tpr得很好：

import numpy as np
from matplotlib import pyplot as plt

fpr = np.array([0, 0.136, 1.])
tpr = np.array([0, 0.5, 1.])

plt.plot(fpr, tpr)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.show()

問題源於令人費解的y_pred存在於它不屬於的地方，即在label參數中：

# dummy y_pred - exact values do not matter
y_pred = np.array([0.1, 0.34, 0.43, 0.89])

plt.plot(fpr, tpr, label='Naive Bayes (AUROC = %0.3f)' % y_pred)

結果（不足為奇）：

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

<ipython-input-8-ccbf0542501c> in <module>()
----> 1 plt.plot(fpr, tpr, label='Naive Bayes (AUROC = %0.3f)' % y_pred)

TypeError: only size-1 arrays can be converted to Python scalars

令人費解的是，為什么您嘗試在明確暗示您實際上想要 AUC 分數的地方使用預測y_pred 。

您應該單獨計算 AUC，並在 plot 而不是y_pred的適當位置使用它：

from sklearn.metrics import roc_auc_score
AUC = roc_auc_score(y_test, y_pred)
plt.plot(fpr, tpr, label='Naive Bayes (AUROC = %0.3f)' % AUC)