Question

我正在尝试使用ROC指标进行交叉验证以评估分类器，并且从Scikit learning中获得了以下代码：

# Import some data to play with
iris = datasets.load_iris()
X = iris.data
y = iris.target
X, y = X[y != 2], y[y != 2]
n_samples, n_features = X.shape

我在理解X,y = X[y!=2],y[y!=2]行时遇到麻烦，此行的目的是什么？

另外，有人可以帮我澄清下划线的用法吗？ n_samples, n_features？

谢谢！

Answer 1

虹膜数据集具有三个标记为0、1、2的类。当你看到 X, y = X[y != 2], y[y != 2] 这只是意味着X和y的新值将不包含带有标签2的类的记录。

这是它的工作方式。 y != 2返回一个等于y长度的布尔向量，根据给定条件y！= 2，该向量包含y为0或1时的True和y为2的False。 [True, False, False, ...]。有时也称为面具。

y[y != 2]是基于布尔的索引，它返回一个由y的元素组成的新数组，其中y不是2。结果数组将不包含2s。

最后，X[y != 2]返回一个新数组X，该数组的元素与掩码的True值相对应。

由于X和y的长度相同，因此对其应用相同的掩码非常有效，并且在这种情况下，有效地删除了所有带有类标签2的记录。

现在，为了从数据集中删除整个类，这是您应该在正在阅读的教程中寻找的东西。

X.shape返回一个元组，该元组包含数据框中的行数和列数。这就是数据科学家所说的样本和功能。