Scikit-学习predict_proba的RandomForestClassifier输出

Question

我有一个数据集，我将其分成两部分，用于训练和测试随机森林分类器 scikit learn 。

我有87个班级和344个样本。 predict_proba的输出大多数情况下是一个三维数组(87, 344, 2)（实际上是list的{​​{1}}个numpy.ndarray的{​​{1}}元素）。

有时候，当我选择不同的样本子集进行训练和测试时，我只得到一个二维数组(344, 2)（虽然我无法在哪些情况下解决）。

我的两个问题是：

• 这些尺寸代表什么？我得出了获得ROC AUC分数的结论，我必须得到输出的一半（即(87, 344)，转置它，然后将它与我的基本事实（(87, 344, 2)[:,:,1]本质上）进行比较。但是我不明白它的真正含义。
• 为什么输出会随着数据的不同子集而变化？我无法理解它在哪些情况下返回3D数组，在哪些情况下返回2D数组。

Answer 1

classifier.predict_proba()返回类概率。数组的n维度将根据您在

上训练的子集中的类数而有所不同

Answer 2

您确定用于适合RF的阵列具有正确的形状吗？ （n_samples，n_features）用于数据，（n_samples）用于目标类。 在你的情况下你应该得到一个数组Y_pred的形状（n_samples，n_classes）so（344,87），其中行r的项目i是样本X [r，：]的类i的预测概率。请注意sum( Y_pred[r,:] ) = 1。

但是我想如果你的目标数组Y有形状（n_samples，n_classes），其中每一行都是零，除了一个对应于样本类的一行，那么sklearn将它作为一个多输出预测问题（考虑每个课堂独立）但我不认为这是你想做的事情。在这种情况下，对于每个类和每个样本，您将预测属于该类的概率。

最后，输出确实取决于训练集，因为它取决于类的数量（在训练集中）。您可以使用属性n_classes获取它（并且您也可以通过手动设置强制类的数量），并且您也可以获得类＆＃39;属性为classes的值。请参阅documentation。

希望它有所帮助！