在python中计算AUC ROC时出错

Question

我使用sklearn在python中实现线性回归。你知道吗

我已经成功地训练了线性模型_线性回归模型（）功能。你知道吗

现在，我想用AUC ROC方法测量模型的良好性。 我使用以下代码执行相同的操作：

train_set[predictors1], train_set["loan_status"] = make_classification(n_samples=4000, n_features=2, n_redundant=0, flip_y=0.4)
train, test, train_t, test_t = train_test_split(train_set[predictors1], train_set["loan_status"], train_size=0.9)

rf.fit(train, train_t)

但是，第1行的错误如下：

ValueError: Must have equal len keys and value when setting with an ndarray

Answer 1

Documentationformake_classification表示

Returns:
X : array of shape [n_samples, n_features] The generated samples.

y : array of shape [n_samples] The integer labels for class membership of each sample.

问题似乎是X是一个包含两个数组的列表，您正试图将这两个数组分配给数据帧上的一列。您需要隔离所需的数组，然后将其分配给所需的列。你知道吗

_X, df['loan_status'] = make_classification()
df['my_col'] = _X[0]
# or
df['my_col'] = _X[1]