python – 如何从scikit-learn中的predict_proba中使用cross_val_predict获取类标签

2023年1月23日 712次阅读

我需要使用3倍交叉验证训练
Random Forest classifier.对于每个样本,我需要在它恰好位于测试集中时检索预测概率.

我正在使用scikit-learn版本0.18.dev0.

此新版本添加了使用方法cross_val_predict()和附加参数方法来定义估计器需要哪种预测的功能.

在我的情况下,我想使用predict_proba()方法,它返回多类方案中每个类的概率.

但是,当我运行该方法时,我得到预测概率矩阵,其中每行代表一个样本,每列代表特定类的预测概率.

问题是该方法没有指出哪个类对应于每列.

我需要的值与属性classes_中返回的相同(在我的情况下使用RandomForestClassifier)定义为：

classes_ : array of shape = [n_classes] or a list of such arrays
The classes labels (single output problem), or a list of arrays of class labels (multi-output problem).

这是predict_proba()所需要的,因为在其文档中写道：

The order of the classes corresponds to that in the attribute classes_.

最小的例子如下：

import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_predict

clf = RandomForestClassifier()

X = np.random.randn(10, 10)
y = y = np.array([1] * 4 + [0] * 3 + [2] * 3)

# how to get classes from here?
proba = cross_val_predict(estimator=clf, X=X, y=y, method="predict_proba")

# using the classifier without cross-validation
# it is possible to get the classes in this way:
clf.fit(X, y)
proba = clf.predict_proba(X)
classes = clf.classes_

最佳答案 是的,它们将按顺序排列;这是因为DecisionTreeClassifier(它是RandomForestClassifier的默认base_estimator)
uses np.unique to construct the classes_ attribute,它返回输入数组的排序唯一值.

点赞