如何解决ValueError:cross_val_predict仅适用于分区
我有一个特征数组(X)和因变量数组(y)的多类分类问题。 y有四个类别:1、2、3和4。数据严重失衡,对类别4的观察很少。我选择分类器模型为:
model = RandomForestClassifier(n_estimators=10,class_weight='balanced',random_state=0)
我将自定义得分手定义为:
custom_scorer = {'accuracy': make_scorer(accuracy_score),'balanced_accuracy': make_scorer(balanced_accuracy_score),'precision': make_scorer(precision_score,average='weighted'),'recall': make_scorer(recall_score,'roc auc': make_scorer(roc_auc_score,multi_class='ovo',needs_proba=True),'f1': make_scorer(f1_score,average='weighted')
}
由于数据不平衡,我正在使用cross_validate:
cv = RepeatedStratifiedKFold(n_splits=10,n_repeats=3,random_state=1)
scores = cross_validate(model,X,y,cv=cv,scoring=custom_scorer,n_jobs=-1)
我从scores
获得了指标的准确性,balanced_accuracy,精度,召回率等。但是,这仅给我指标,而不是包含预测类的数组。我也想获取y_pred
(y的预测值),它可能是在执行以下代码行时内部生成的:
scores = cross_validate(model,n_jobs=-1)
但是,为了获得y的预测,我正在使用:
y_pred = cross_val_predict(model,cv=cv)
ValueError:cross_val_predict仅适用于分区
如果我将上面的代码更改为
y_pred = cross_val_predict(model,cv=10)
那么我可以避免该错误,但是cv = cv和cv = 10并不相同,是吗?如果我使用以下方法计算与每个类相对应的精度,召回率等:
precision,recall,fscore,support = score(y,y_pred)
那些不能与我使用 cross_validate 计算的得分相对应。
我还需要计算y的概率值。
y_proba = cross_val_predict(model,method='predict_proba')
ValueError:cross_val_predict仅适用于分区
请帮助。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。