Question

我正在使用scikit学习0.15.2来解决多类别问题。在我开始使用MultiLabelBinarizer直到我开始使用MultiLabelBinarizer之前，我按照以下示例获得了大量的DeprecationWarnings：

＆＃34;弃用警告：从版本0.17开始，将无法直接支持序列序列多标记表示。使用sklearn.preprocessing.MultiLabelBinarizer转换为标签指示符表示。＆＃34;

但是，我无法找到一种方法来获取分类报告（精确，召回，f-measure），因为我之前可能如下所示：scikit 0.14 multi label metrics

我尝试使用inverse_transform，如下所示，这给出了一个classification_report，但也再次给出了警告，从0.17开始，这段代码就会中断。

如何获得多类别分类问题的衡量标准？

示例代码：

import numpy as np
from sklearn.multiclass import OneVsRestClassifier
from sklearn.preprocessing import MultiLabelBinarizer
from sklearn.svm import LinearSVC
from sklearn.metrics import classification_report

# Some simple data:

X_train = np.array([[0,0,0], [0,0,1], [0,1,0], [1,0,0], [1,1,1]])
y_train = [[1], [1], [1,2], [2], [2]]

# Use MultiLabelBinarizer and train a multi-class classifier:

mlb = MultiLabelBinarizer(sparse_output=True)
y_train_mlb = mlb.fit_transform(y_train)

clf = OneVsRestClassifier(LinearSVC())
clf.fit(X_train, y_train_mlb)

# classification_report, here I did not find a way to use y_train_mlb, 
# I am getting a lot of DeprecationWarnings

predictions_test = mlb.inverse_transform(clf.predict(X_train))
print classification_report(y_train, predictions_test)

# Predict new example:

print mlb.inverse_transform(clf.predict(np.array([0,1,0])))

Answer 1

您似乎必须使用二值化标签运行分类报告：

print classification_report(y_train_mlb, clf.predict(X_train))

Scikit多级分类指标，分类报告

1 个答案: