有没有办法确定scikit-learn的LabelEncoder中的标签顺序？

Question

让我们说我有一个分类任务，我想将文本分类为＆＃34;垃圾邮件＆＃34;或者＆＃34; Ham＆＃34;。 ＆＃34;精度＆＃34;得分（计算＆＃34; TP /（TP + FP）＆＃34;）将是一个有用的错误度量，用于确定有多少＆＃34; Ham＆＃34;邮件被错误地归类为＆＃34;垃圾邮件＆＃34;假设以下混淆矩阵：

据我所知，scikit计算了以下方案后的混淆矩阵：

现在，如果我使用标签编码器（参见下面的代码），它会给出“垃圾邮件”。班级标签1和＆＃39;火腿＆＃39;类标签0将反转混淆矩阵（FP将变为TN等），以便精确分数将得到不同的含义。所以，我的问题是，是否有一种方法可以告诉标签编码器将哪个标签分配给哪个类？ （在这种情况下，它很简单，我可以用简单的列表理解来解决问题，但我想知道scikit中是否有某些内容。）

因此，我们的目标是使用LabelEncode来提供垃圾邮件＆＃39;班级标签0和＆＃39;火腿＆＃39;类标签1。

from sklearn.preprocessing import LabelEncoder

X = df['text'].values 
y = df['class'].values

print('before: %s ...' %y[:5])

le = LabelEncoder()
y = le.fit_transform(y)

print('after: %s ...' %y[:5])

before: ['spam' 'ham' 'ham' 'ham' 'ham'] ...
after: [1 0 0 0 0] ...

Answer 1

当然，如果您使用precision_score(... pos_label=1, ...)，您可以手动为该类分配正面标签，这对于计算“正确”分数很重要，因为精确等式取决于您的“正”类是什么（精度= tp /（tp + fp））

但标签可能导致问题的情况是我进行交叉验证时，例如，想要计算精度，因为cross_validation函数没有参数 “积极的标签”

cross_val_score(clf, X_train, y_train, cv=cv, scoring='precision')

但是，正如GitHub上所建议的，解决方法是创建一个“自定义记分器”，您可以在交叉验证中使用它来解决标签问题：

from functools import partial
from sklearn.metrics import precision_score, make_scorer
custom_scorer = make_scorer(partial(precision_score, pos_label="1"))

Answer 2

LabelEncoder使用Python内置的排序，即没有sorted或比较函数从key获得的排序。但是不对称的评估指标。标签使用pos_label关键字参数明确地将一个类设为“正”类：

>>> a = np.random.randint(0, 2, 10)
>>> a
array([0, 0, 0, 0, 1, 0, 0, 0, 1, 0])
>>> precision_recall_fscore_support(a, np.ones(10), pos_label=1, average='micro')
(0.20000000000000001, 1.0, 0.33333333333333337, None)
>>> precision_recall_fscore_support(a, np.ones(10), pos_label=0, average='micro')
/home/larsmans/src/scikit-learn/sklearn/metrics/classification.py:920: UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 due to no predicted samples.
(0.0, 0.0, 0.0, None)