from sklearn.metrics import multiclass_roc_auc_score显示错误

如果你的 scikit-learn 版本比较旧，可能会出现 `multiclass_roc_auc_score` 函数不存在的情况。可以尝试更新 scikit-learn 到最新版本，如果还是无法解决问题，可以尝试使用以下代码替代 `multiclass_roc_auc_score` 函数：

from sklearn.preprocessing import label_binarize
from sklearn.metrics import roc_auc_score

y_true = # 真实标签，格式为 (n_samples,)
y_score = # 模型输出的预测分数，格式为 (n_samples, n_classes)

y_true_binarized = label_binarize(y_true, classes=range(n_classes))
roc_auc = roc_auc_score(y_true_binarized, y_score, average='macro', multi_class='ovo')
print('ROC AUC:', roc_auc)

其中 `n_classes` 是类别数，可以通过 `n_classes = len(np.unique(y_true))` 来获取。`label_binarize` 函数将多分类标签转换为二分类标签，`roc_auc_score` 函数计算二分类的 ROC AUC 值。`average` 和 `multi_class` 参数的含义与 `multiclass_roc_auc_score` 函数相同。