那如果时浮点数，要怎么去求AUC呢

如果y_true和y_score是浮点数，则可以使用sklearn.metrics中的roc_auc_score函数来计算AUC。但是，需要注意的是，roc_auc_score函数假定y_score是正类的概率得分，而不是实际的预测值。因此，在使用roc_auc_score函数之前，您需要将y_score转换为正类的概率得分。 具体来说，您可以使用sigmoid函数将y_score转换为概率得分，然后再将其传递给roc_auc_score函数。例如： ```python from sklearn.metrics import roc_auc_score import numpy as np # 将y_score转换为概率得分 y_prob = 1 / (1 + np.exp(-y_score)) # 计算AUC auc = roc_auc_score(y_true, y_prob) ``` 在这里，y_score是模型的输出结果，y_prob是将y_score转换为概率得分后的结果，y_true是真实的二进制分类标签。