如何使用校准图和概率分布来改进分类模型？

时间：2017-05-15 07:17:20

标签： python machine-learning scikit-learn classification

我一直在研究分类问题。使用不同的分类器[见下图]，我实现的AUC分数介于0.79-0.80之间，这不是很糟糕。但是，我正在努力提高分类器的性能。为了获得有关如何执行此操作的一些线索，我使用this tutorial生成了以下可视化。额外的树木似乎是最好的。但是，在此之后我不知道如何前进。例如，我可以使用此数字通知VotingClassifier吗？如果是这样，怎么样？我很感激任何建议。

enter image description here

1 个答案:

答案 0 :(得分：3)

ROC_AUC分数仅对概率的顺序敏感，而不是对其绝对值敏感。从字面上看，如果你将所有概率除以2，ROC_AUC得分将不改变。

这意味着，概率校准对于改善AUC是无用的。你必须采用不同的方法。我不知道你已经尝试了什么，列表可能包括

  • 特色工程
  • 功能选择
  • GridSearch获取最佳超参数
相关问题
最新问题