优化代码from sklearn.metrics import classification_report, roc_curve, auc # 评估分类模型性能 fpr, tpr, thresholds = roc_curve(y_test, clf.predict_proba(X_test)[:,1]) roc_auc = auc(fpr, tpr)出错ValueError: multiclass format is not supported

这个错误是因为roc_curve和auc函数不支持多分类问题的评估。你可以尝试使用OneVsRestClassifier或OneVsOneClassifier将多分类问题转化为二分类问题，然后再使用roc_curve和auc函数进行评估。

具体来说，你可以按照以下步骤进行修改：

1. 导入OneVsRestClassifier或OneVsOneClassifier：

   from sklearn.multiclass import OneVsRestClassifier
   或者
   from sklearn.multiclass import OneVsOneClassifier

2. 将分类器包装在OneVsRestClassifier或OneVsOneClassifier中：

   clf = OneVsRestClassifier(clf)
   或者
   clf = OneVsOneClassifier(clf)

3. 对y进行one-hot编码：

   from sklearn.preprocessing import LabelBinarizer
   lb = LabelBinarizer()
   y_test = lb.fit_transform(y_test)

4. 使用predict_proba函数预测概率：

   y_score = clf.predict_proba(X_test)

5. 调用roc_curve和auc函数进行评估：

   fpr, tpr, thresholds = roc_curve(y_test[:, 1], y_score[:, 1])
   roc_auc = auc(fpr, tpr)

注意，这里的y_test[:, 1]表示取出one-hot编码后的第二列，即正例的概率，y_score[:, 1]表示取出分类器预测的正例的概率。

希望能帮到你！