torcheval.metrics.functional.multiclass_binned_auroc

torcheval.metrics.functional.multiclass_binned_auroc(input: Tensor, target: Tensor, *, num_classes: int, threshold: int | List[float] | Tensor = 200, average: str | None = 'macro') → Tuple[Tensor, Tensor]

计算多类别分类的 AUROC，它是 ROC 曲线下的面积。其类版本为 torcheval.metrics.MulticlassAUROC。

参数：

• input (Tensor) – 标签预测的张量，应为形状为 (n_sample, n_class) 的概率或 logits。

• target (Tensor) – 形状为 (n_samples, ) 的真实标签张量。

• num_classes (int) – 类别数量。

• threshold – 表示 bin 数的整数，阈值列表或阈值张量。

• average (str, optional) –

  • 'macro' [默认]

    分别计算每个类别的指标，并返回它们的未加权平均值。

  • None:

    分别计算每个类别的指标，并返回每个类别的指标。

示例

>>> import torch
>>> from torcheval.metrics.functional import multiclass_binned_auroc
>>> input = torch.tensor([[0.1, 0.1, 0.1, 0.1], [0.5, 0.5, 0.5, 0.5], [0.7, 0.7, 0.7, 0.7], [0.8, 0.8, 0.8, 0.8]])
>>> target = torch.tensor([0, 1, 2, 3])
>>> multiclass_auroc(input, target, num_classes=4, threshold = 5)
0.5
>>> multiclass_binned_auroc(input, target, num_classes=4, threshold = 5, average=None)
tensor([0.0000, 0.3333, 0.6667, 1.0000])