您只需要进行更改即可
y_true，如下所示：
y_true=np.array([0, 1, 0, 0, 1, 1, 1, 1, 1])
说明： 如果查看一下https://github.com/scikit-learn/scikit-
learn/blob/0.15.X/sklearn/metrics/metrics.py中的
roc_auc_score功能，您将看到其评估如下：
y_true
classes = np.unique(y_true)if (pos_label is None and not (np.all(classes == [0, 1]) or np.all(classes == [-1, 1]) or np.all(classes == [0]) or np.all(classes == [-1]) or np.all(classes == [1]))): raise ValueError("Data is not binary and pos_label is not specified")在执行的时刻
pos_label是
None，但是只要您将
y_true字符定义为一个字符数组，并且
np.all它们总是
false被否定，并且所有条件都被否定，则if条件为，
true并且引发异常。
