Question

尝试对约2500 *〜4000个大型特征进行分类，并在训练数据后附上一份可信文件。

我试图将置信度值用作分类器的class_weight参数，但在理解class_weight所需的字典格式时遇到了麻烦。由于使用格式为{0：1、1：0.66、2：0.66、3：1 ...}的字典，我一直在寻找错误的解决方案，但最近得知该参数要求使用[{ 0：1，1：1}，{0：1，1：5}，{0：1，1：1}，{0：1，1：1}] [https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html#sklearn.ensemble.RandomForestClassifier]

我想我不理解[{a：b，c：d} ...]的格式我相信d是重量，但不确定结构的其余部分或如何从csv文件中获取。

到目前为止我所拥有的：


>>> with open('confidence.csv') as csvfile:
>>>    reader = csv.DictReader(csvfile, delimiter=",")
>>>    confidence_dict={int(row['ID'])-1:int(float(row['confidence'])) for row in reader} #float(row['confidence'])

>>> print(confidence_dict)
{0: 0.66, 1: 1, 2: 0.66, 3: 0.66, 4: 1, ...}

>>> print(X)
    v0    v1    v2    v3     ...
0   1.413 0.874 0.506 1.790
1   0.253 0.253 0.486 1.864 
2   1.863 0.174 0.018 1.789
3   0.253 0.213 0.486 1.834
...

>>> print(y)
0   0
1   0
2   1
3   1
...

>>> linearSVC = LinearSVC(random_state=0, tol=1e-6, class_weight=confidence_dict)
>>> linearSVC.fit(X, y)

尝试使用当前字典形式的类权重时，返回

Class label {} not present.。如果没有输入班级权重，则不会发生这种情况。

ValueError: Class label 2 not present.

关于此主题的在线信息有限，所以我想我会做一个清晰的帖子，并希望能掌握如何实现这一点。

Answer 1

经过吉米（Jimmy）的进一步研究和指导，我发现我误以为输入形式必须是错误的

dict({x1, x2, x3,...xn})

其中，x是该预测的置信度。 class_weight必须是形式为字典的

dict({0:y0, 1:z0}, {0:y1, 1:z2}, {0:y1, 1:z1},...)

其中y是结果0的置信度/权重，z是结果1的置信度/权重。

这就是ValueError: Class label 2 not present.出现的原因。寻找下一个字典

用于sklearn分类的class_weight字典格式

1 个答案: