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AUROC，即ROC曲线下的面积，用于多类分类。其类版本是torcheval.metrics.MulticlassAUROC。

Parameters:

输入 (张量) – 标签预测的张量它应该是形状为 (n_sample, n_class) 的概率或对数几率。
target (Tensor) – 形状为 (n_samples, ) 的真实标签张量。
num_classes (int) – 类别数量。
threshold – 一个整数，表示分箱的数量，一个阈值列表，或一个阈值张量。
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])