auc 将面积 1 算成 255：先检查无符号横坐标

auc([2,1,0], [0,1,0]) 的面积应为 1；把横坐标存成 uint8 后，sklearn.metrics.auc 却可能返回 255，没有警告。若同样的数据转成浮点数便正常，应检查横坐标差分的 dtype，而不是先调整模型。

这条故障有 scikit-learn 1.7.2、1.8.0、1.9.1 的记录。它针对直接调用 auc(x,y)；不能据此判定常规 roc_auc_score() 的计算也有相同问题。

递减差分在 uint 中会回绕

auc 支持单调增加或单调减少的横坐标。1.9.1 使用 np.diff(x) 检查方向，再用梯形积分计算面积。对于 uint8，1-2 无法表示为负数，会变成 255，于是本来递减的步长看起来全为正。

这还会漏过非单调输入。例如 [0,2,1] 的最后一步本应为负，却同样回绕；函数可能返回一个数字而未拒绝这条来回折返的曲线。

在计算前选择能表达差值的坐标类型

对规模适合 float64 的普通数值横坐标，可以先转换，再调用接口：

import numpy as np
from sklearn.metrics import auc

x = np.array([2, 1, 0], dtype=np.uint8)
y = np.array([0.0, 1.0, 0.0])
x_work = x.astype(np.float64)
area = auc(x_work, y)

这里预期 area 为 1。只把最终面积转成浮点没有作用，因为差分和积分已经发生过回绕。也不要把所有无符号整数盲目转成同宽有符号整数：较大的值可能在转换时先溢出。

float64 只能精确表示一定范围的整数，超过 2**53 的相邻大整数可能合并。若原横坐标是高精度时间计数或巨大整数，需要先设计保留有意义差值的表示，并核对转换后的间距；不能把上面的转换当成无损规则。

顺序本身也要保留

可以通过相邻值的直接比较检查原始横坐标是否单调，避免在检查阶段先做易溢出的减法。若确实需要反向处理递减曲线，必须让 x、y 同时反转。只排序 x 会破坏点的对应关系；将一条本来不单调的曲线排序后积分，也会改变问题定义。

不要把面积超出 0 到 1 自动裁回去。auc 是通用曲线面积函数，范围取决于坐标与单位；本题的异常值来自输入类型，裁剪无法恢复正确面积。

验收比较原曲线、两轴同步反转、明确浮点输入的面积，另外加入非单调样本，确认它按预期被拒绝。对于真实模型评估，还应核对曲线生成步骤、阈值顺序和所用积分定义，不能把梯形 PR 面积与 average precision 当成同一个量。

正式 1.9.1 仍有上述差分实现。更换版本前保留原依赖与坐标，更新后继续检查数值结果和输入拒绝行为；训练标签二值化中的无符号溢出属于另一条处理路径，不能用修正标签代替修正这里的横坐标。