如何计算scikit-learn cross_val_predict准确度分数？

Question

以下代码中显示的cross_val_predict（参见doc，v0.18）与 k - 折叠方法是否计算每次折叠的准确度并最终平均或不？

cv = KFold(len(labels), n_folds=20)
clf = SVC()
ypred = cross_val_predict(clf, td, labels, cv=cv)
accuracy = accuracy_score(labels, ypred)
print accuracy

Answer 1

不，它没有！

根据cross validation doc页面，cross_val_predict不返回任何分数，只返回基于此处描述的特定策略的标签：

  

函数cross_val_predict具有类似的接口   cross_val_score，但是为输入中的每个元素返回   在测试中为该元素获得的预测   设置即可。只有将所有元素分配给a的交叉验证策略   可以使用一次测试集（否则会引发异常）。

因此，通过调用accuracy_score(labels, ypred) ，您只需计算上述特定策略预测的标签的准确度分数与真实标签相比较。这再次在同一文档页面中指定：

  

然后可以使用这些预测来评估分类器：

predicted = cross_val_predict(clf, iris.data, iris.target, cv=10) 
metrics.accuracy_score(iris.target, predicted)

     

请注意，此计算的结果可能略有不同   从使用cross_val_score获得的那些元素进行分组   以不同的方式。

如果您需要不同折叠的准确度分数，您应该尝试：

>>> scores = cross_val_score(clf, X, y, cv=cv)
>>> scores                                              
array([ 0.96...,  1.  ...,  0.96...,  0.96...,  1.        ])

然后对于所有折叠的平均准确度使用scores.mean()：

>>> print("Accuracy: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2))
Accuracy: 0.98 (+/- 0.03)

如何计算每个折叠的Cohen kappa系数和混淆矩阵？

为了计算Cohen Kappa coefficient和混淆矩阵，我假设你的意思是真实标签和每个折叠的预测标签之间的kappa系数和混淆矩阵：

from sklearn.model_selection import KFold
from sklearn.svm.classes import SVC
from sklearn.metrics.classification import cohen_kappa_score
from sklearn.metrics import confusion_matrix

cv = KFold(len(labels), n_folds=20)
clf = SVC()
for train_index, test_index in cv.split(X):
    clf.fit(X[train_index], labels[train_index])
    ypred = clf.predict(X[test_index])
    kappa_score = cohen_kappa_score(labels[test_index], ypred)
    confusion_matrix = confusion_matrix(labels[test_index], ypred)

cross_val_predict返回什么？

它使用KFold将数据拆分为k部分，然后进行i=1..k次迭代：

• 将i'th部分作为测试数据，将所有其他部分作为培训数据
• 使用训练数据（除i'th之外的所有部分）
训练模型
• 然后通过使用此训练模型，预测i'th部分（测试数据）
的标签

在每次迭代中，预测i'th部分数据的标签。最后，cross_val_predict合并所有部分预测的标签，并将它们作为最终结果返回。

此代码逐步显示此过程：

X = np.array([[0], [1], [2], [3], [4], [5]])
labels = np.array(['a', 'a', 'a', 'b', 'b', 'b'])

cv = KFold(len(labels), n_folds=3)
clf = SVC()
ypred_all = np.chararray((labels.shape))
i = 1
for train_index, test_index in cv.split(X):
    print("iteration", i, ":")
    print("train indices:", train_index)
    print("train data:", X[train_index])
    print("test indices:", test_index)
    print("test data:", X[test_index])
    clf.fit(X[train_index], labels[train_index])
    ypred = clf.predict(X[test_index])
    print("predicted labels for data of indices", test_index, "are:", ypred)
    ypred_all[test_index] = ypred
    print("merged predicted labels:", ypred_all)
    i = i+1
    print("=====================================")
y_cross_val_predict = cross_val_predict(clf, X, labels, cv=cv)
print("predicted labels by cross_val_predict:", y_cross_val_predict)

结果是：

iteration 1 :
train indices: [2 3 4 5]
train data: [[2] [3] [4] [5]]
test indices: [0 1]
test data: [[0] [1]]
predicted labels for data of indices [0 1] are: ['b' 'b']
merged predicted labels: ['b' 'b' '' '' '' '']
=====================================
iteration 2 :
train indices: [0 1 4 5]
train data: [[0] [1] [4] [5]]
test indices: [2 3]
test data: [[2] [3]]
predicted labels for data of indices [2 3] are: ['a' 'b']
merged predicted labels: ['b' 'b' 'a' 'b' '' '']
=====================================
iteration 3 :
train indices: [0 1 2 3]
train data: [[0] [1] [2] [3]]
test indices: [4 5]
test data: [[4] [5]]
predicted labels for data of indices [4 5] are: ['a' 'a']
merged predicted labels: ['b' 'b' 'a' 'b' 'a' 'a']
=====================================
predicted labels by cross_val_predict: ['b' 'b' 'a' 'b' 'a' 'a']

Answer 2

正如您在github的cross_val_predict代码中所看到的，该函数计算预测的每个折叠并将它们连接起来。预测是基于从其他折叠中学到的模型做出的。

以下是代码与代码

中提供的示例的组合

from sklearn import datasets, linear_model
from sklearn.model_selection import cross_val_predict, KFold
from sklearn.metrics import accuracy_score

diabetes = datasets.load_diabetes()
X = diabetes.data[:400]
y = diabetes.target[:400]
cv = KFold(n_splits=20)
lasso = linear_model.Lasso()
y_pred = cross_val_predict(lasso, X, y, cv=cv)
accuracy = accuracy_score(y_pred.astype(int), y.astype(int))

print(accuracy)
# >>> 0.0075

最后，回答你的问题：“不，每次折叠的准确度都不是平均值”

Answer 3

如在文档sklearn.model_selection.cross_val_predict中所写：

  

将这些预测传递到评估中是不合适的   指标。采用   cross_validate来衡量泛化误差。

Answer 4

我想添加一个选项，以便快速简单地回答，高于之前开发人员的贡献。

如果你采用F1的微观平均值，你将获得准确率。例如，那将是：

from sklearn.model_selection import cross_val_score, cross_val_predict
from sklearn.metrics import precision_recall_fscore_support as score    

y_pred = cross_val_predict(lm,df,y,cv=5)
precision, recall, fscore, support = score(y, y_pred, average='micro') 
print(fscore)

这在数学上是有效的，因为微观平均值为您提供了混淆矩阵的加权平均值。

祝你好运。