有条件合并数组的numpy方法是什么？

Question

我有两个numpy数组(1000,)，其中填充了来自两个模型的预测：

pred_1 = model_1.predict(x_test)
pred_2 = model_2.predict(x_test)

model_1之所以有吸引力，是因为FP极低，但FN也极高。

model_2由于整体准确性和召回性而具有吸引力。

我如何有条件使用预测来利用这些优势和劣势？

我想从第一个模型获得所有肯定的（1）预测，然后让第二个模型处理其余的预测。

基本上，我正在寻找这样的东西：

final_pred = model_1.predict() if model_1.predict() > 0.5 else model_2.predict()

这将失败：具有多个元素的数组的真值不明确。

如上组合这些数组的numpy方法是什么？

Answer 1

您正在寻找numpy.where：

a = model_1.predict(x_test)
b = model_2.predict(x_test)

out = np.where(a > 0.5, a, b)

Answer 2

您可以按照以下方式尝试理解列表，然后使用np.array将列表转换为数组。遍历自变量x_test，然后为x_test的每个值，从两个模型计算模型预测，并根据if条件存储输出。

final_pred = np.array([model_1.predict(i) if model_1.predict(i) > 0.5 else model_2.predict(i) for i in x_test])

---

您还可以将NumPy索引用作

mask = (pred_1 > 0.5)
pred_2[mask] = pred_1[mask]
final_pred = pred_2

在这里，您首先在pred_1 > 0.5处创建一个掩码，然后在pred_2数组中使用这些索引，然后将这些值替换为pred_1的值。结果pred_2将成为您的final_pred。