Question

我正在使用MlKnn方法，并且能够拟合分类器并通过命令function applyImageClass(image) { var h = (image) ? image.height() : 0; if (h > 0) { var ratio = image.width() / h; if (ratio === 1) { image.addClass('square'); } else if (ratio > 1) { image.addClass('landscape'); } else if (ratio < 1) { image.addClass('portrait'); } } } $(window).on('load', function() { // Find all images contained in any element that has any of the tow classes $('.imagesection, .detailsection').find('img').each(function() { // Call the function for each one of the matched elements applyImageClass($(this)); }); });进行预测。

结果是classifier.predict(Test)，其中仅包含预测本身。

我不知道如何将这些预测分配给scipy.sparse.lil.lil_matrix格式的原始数据集Test。

有人可以帮我吗？谢谢。

Answer 1

需要知道原始数据集Test的外观。您可以将lil_matrix转换为csr_matrix或完整的numpy.ndarray格式，如下所示：

from skmultilearn.adapt import MLkNN
from scipy import sparse
from skmultilearn.dataset import load_dataset
import sklearn.metrics as metrics

X_train, y_train, feature_names, label_names = load_dataset('emotions', 'train')
X_test, y_test, _, _ =load_dataset('emotions', 'test')

clf = MLkNN(k=5)

clf.fit(X_train, y_train)

y_pred = clf.predict(X_test)

print(type(y_pred))  # <class 'scipy.sparse.lil.lil_matrix'>

print(type(y_pred.toarray()))  # <class 'numpy.ndarray'>

y_pred_csr = sparse.csr_matrix(y_pred)

print(type(y_pred_csr))  # <class 'scipy.sparse.csr.csr_matrix'>

accuracy = metrics.accuracy_score(y_test, y_pred)
print(accuracy)  # 0.148

如何使用scikit-multilearn软件包（MlKnn方法）

1 个答案: