fpr = dict() tpr = dict() roc_auc = dict() for i in range(3): # 遍历三个类别 fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_pred[:, i]) roc_auc[i] = auc(fpr[i], tpr[i])出现 too many indices for array: array is 1-dimensional, but 2 were indexed的问题怎么修正

如果您在运行以上代码时出现了 "too many indices for array: array is 1-dimensional, but 2 were indexed" 错误，通常是因为 y_test 和/或 y_pred 的维度不正确。

在这里，y_test 和 y_pred 应该都是二元矩阵（每一列对应一个类别），因此在使用 roc_curve 函数时，需要指定要计算的类别的索引。如果 y_test 和 y_pred 的维度不正确，则可能会出现上述错误。

以下是可能会导致该错误的一些常见原因和解决方法：

- 如果 y_test 和 y_pred 的维度不正确，例如它们是一维数组而不是二元矩阵，则可以使用 label_binarize 函数将其转换为二元矩阵。例如：

  from sklearn.preprocessing import label_binarize

  # 假设 y_test 和 y_pred 已经定义好
  n_classes = len(np.unique(y_test))
  binarized_y_test = label_binarize(y_test, classes=range(n_classes))
  binarized_y_pred = label_binarize(y_pred, classes=range(n_classes))

- 如果 y_test 和 y_pred 的维度正确，但是在使用 roc_curve 函数时出现了错误，则可能是由于指定的类别索引超出了范围。在这种情况下，您应该检查 y_test 和 y_pred 中的类别数量是否与 roc_curve 函数期望的数量匹配，以及类别索引是否正确。例如，如果 y_test 和 y_pred 具有三个类别，则应该将 for 循环的范围更改为 range(3)，而不是 range(2)。

在修正以上问题之后，您应该能够成功计算每个类别的 FPR、TPR 和 AUC 值。