Question

我希望sklearn函数中的cross_val_score返回每个类的准确性，而不是所有类的平均准确性。

功能：

sklearn.model_selection.cross_val_score(estimator, X, y=None, groups=None,  
       scoring=None, cv=’warn’, n_jobs=None, verbose=0, fit_params=None, 
       pre_dispatch=‘2*n_jobs’, error_score=’raise-deprecating’)

Reference

我该怎么办？

Answer 1

cross_val_score无法做到这一点。您建议的方法将意味着cross_val_score必须返回一个数组数组。但是，如果您查看源代码，将会看到cross_val_score的输出必须是：

Returns
-------
scores : array of float, shape=(len(list(cv)),)
    Array of scores of the estimator for each run of the cross validation.

结果，cross_val_score检查您使用的计分方法是否为多指标。如果是这样，它将引发如下错误：

ValueError：得分必须返回一个数字，得到的是...

编辑：

就像上面的注释正确指出的那样，一种替代方法是使用cross_validate。例如，这是在Iris数据集上的工作方式：

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import cross_validate
from sklearn.metrics import make_scorer
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import recall_score

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

scoring = {'recall0': make_scorer(recall_score, average = None, labels = [0]), 
       'recall1': make_scorer(recall_score, average = None, labels = [1]),
       'recall2': make_scorer(recall_score, average = None, labels = [2])}

cross_validate(DecisionTreeClassifier(),X,y, scoring = scoring, cv = 5, return_train_score = False)

请注意，GridSearchCV方法也支持此方法。

注意：您不能返回“每个类别的准确性”，我想您的意思是回想，这基本上是在实际属于一个类别的数据点中正确预测的比例。

每个类的cross_val_score返回精度

1 个答案:

编辑：