我正在使用Leaf分类数据集,并且在测试模型后努力计算模型的对数损失。从度量标准类导入模型后,我会这样做:
setState
但是,我的最后一行导致以下错误:
# fitting the knn with train-test split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)
# Optimisation via gridSearch
knn=KNeighborsClassifier()
params={'n_neighbors': range(1,40), 'weights':['uniform', 'distance'], 'metric':['minkowski','euclidean'],'algorithm': ['auto','ball_tree','kd_tree', 'brute']}
k_grd=GridSearchCV(estimator=knn,param_grid=params,cv=5)
k_grd.fit(X_train,y_train)
# testing
yk_grd=k_grd.predict(X_test)
# calculating the logloss
print (log_loss(y_test, yk_grd))
但是当我运行以下命令时:
y_true and y_pred contain different number of classes 93, 2. Please provide the true labels explicitly through the labels argument. Classes found in y_true.
我真正想念什么?
答案 0 :(得分:0)
来自sklearn.metrics.log_loss
documentantion:
y_pred:类似数组的float,shape =(n_samples,n_classes)或 (n_samples个)
预测概率,由分类器的predict_proba方法返回。
然后,获得log loss
:
yk_grd_probs = k_grd.predict_proba(X_test)
print(log_loss(y_test, yk_grd_probs))
如果仍然出现错误,则表明y_test
中缺少特定的类。
使用:
print(log_loss(y_test, yk_grd_probs, labels=all_classes))
其中all_classes
是包含数据集中所有类的列表。