automl/auto-sklearn

Provide multi-class AUC ROC

Open

#1,482 建立於 2022年5月19日

在 GitHub 查看
 (8 留言) (0 反應) (0 負責人)Python (7,270 star) (1,265 fork)batch import
Good first issueNeed contributorenhancement

描述

Scikit-learn provides multi-class options for area under curve: https://scikit-learn.org/stable/modules/generated/sklearn.metrics.roc_auc_score.html

We should provide the most common ones, such as the OVO Macro averaging used by Auto-Gluon.

貢獻者指南

技術棧
python
領域
machine learningdata
議題類型
feature
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-2 days
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
stale
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
mostly clear
前置要求
Pythonscikit learn metricsAUC concepts
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
55
研究方向
The issue requests adding multi class AUC ROC support to auto sklearn, specifically OVO macro averaging as used in Auto Gluon. The body links to scikit learn's roc auc score documentation and Auto Gluon's implementation. To implement, study the scikit learn function and the Auto Gluon code referenced (https://github.com/awslabs/autogluon/blob/0b38dde5f698dbadfa1ce76aabda14505d9e3ead/core/src/autogluon/core/metrics/ init .py#L443). Then add a similar metric to auto sklearn's metrics module, ensuring compatibility with its evaluation framework.