ValueError: Found input variables with inconsistent numbers of samples: [400, 792]报错在from sklearn.preprocessing import LabelBinarizer from sklearn.metrics import roc_curve, auc lb = LabelBinarizer() y_test_binary = lb.fit_transform(y_test) y_test_binary = y_test_binary.ravel() max_len_1 = max(len(y_test_binary), len(y_pred)) y_test_binary = np.pad(y_test_binary, max_len_1-len(y_test_binary)) y_pred = np.pad(y_pred, max_len_1-len(y_pred)) # 只使用第一列 fpr, tpr, thresholds = roc_curve(y_test_binary, y_pred) roc_auc = auc(fpr, tpr) # 绘制ROC曲线 plt.figure() plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (AUC = %0.2f)' % roc_auc) plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--') plt.xlim([0.0, 1.0]) plt.ylim([0.0, 1.05]) plt.xlabel('False Positive Rate') plt.ylabel('True Positive Rate') plt.title('Receiver operating characteristic') plt.legend(loc="lower right") plt.show()中
时间: 2023-06-16 12:03:01 浏览: 274
linux 下 pip3 报错“ File “/usr/bin/pip3”, line 9, in from pip import mainImportError: canno”处理
5星 · 资源好评率100%
这个错误是由于 `y_test` 和 `y_pred` 的样本数量不同导致的。可以使用以下代码来确保二者具有相同数量的样本:
```
from sklearn.preprocessing import LabelBinarizer
from sklearn.metrics import roc_curve, auc
lb = LabelBinarizer()
y_test_binary = lb.fit_transform(y_test)
y_test_binary = y_test_binary.ravel()
max_len = max(len(y_test_binary), len(y_pred))
y_test_binary = np.pad(y_test_binary, (0, max_len - len(y_test_binary)))
y_pred = np.pad(y_pred, (0, max_len - len(y_pred)))
fpr, tpr, thresholds = roc_curve(y_test_binary, y_pred)
roc_auc = auc(fpr, tpr)
plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (AUC = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic')
plt.legend(loc="lower right")
plt.show()
```
这里使用 `np.pad()` 来填充数组,以使其具有相同的长度。在 `np.pad()` 中,第一个参数是要填充的数组,第二个参数是要添加的填充宽度,第三个参数是填充的模式。在这个例子中,我们在第一个维度上添加了填充,因此在第二个参数中使用了元组 `(0, max_len - len(y_test_binary))`。
阅读全文