Question

我已经获得了一组测试数据，这些测试数据被3个人分类是真是假。我也有信心 - 例如，有时2/3同意一个方向。如何将其合并到我的分类器模型中。我查看过具有class_weight参数的SGDClassifier，SVM也是如此。然后我迭代每个置信度和每行数据，分配权重3或2，具体取决于是否所有三个都被分类相同或不同：

x=0
weights = {}
for d in confidence:
    val = int(d[1])
    if(val == 1):
        weight = 3
    else: # d=0.66
        weight = 2
    x = x+1
    weights[x] = weight

不幸的是，当运行时：

SGDClassifier(class_weight=weights)

我收到错误：

班级标签2不存在。

我做错了什么？

Answer 1

数据点的置信度应表示为sample_weight而不是class_weight。

某些分类器的.fit方法采用sample_weight参数。

有example in the scikit-learn documentation显示如何使用支持向量分类器执行此操作。相关摘录：

# fit the model
clf_weights = svm.SVC()
clf_weights.fit(X, y, sample_weight=sample_weight_last_ten)

具有预定义权重的随机梯度下降分类器

1 个答案: