如何对多类数据进行交叉验证?
Posted
技术标签:
【中文标题】如何对多类数据进行交叉验证?【英文标题】:How to do cross validation for multiclass data? 【发布时间】:2018-01-06 23:50:37 【问题描述】:我可以使用以下方法对二进制数据进行交叉验证,但它似乎不适用于多类数据:
> cross_validation.cross_val_score(alg, X, y, cv=cv_folds, scoring='roc_auc')
/home/ubuntu/anaconda3/lib/python3.6/site-packages/sklearn/metrics/scorer.py in __call__(self, clf, X, y, sample_weight)
169 y_type = type_of_target(y)
170 if y_type not in ("binary", "multilabel-indicator"):
--> 171 raise ValueError("0 format is not supported".format(y_type))
172
173 if is_regressor(clf):
ValueError: multiclass format is not supported
> y.head()
0 10
1 6
2 12
3 6
4 10
Name: rank, dtype: int64
> type(y)
pandas.core.series.Series
我也尝试将roc_auc
更改为f1
,但仍然出现错误:
/home/ubuntu/anaconda3/lib/python3.6/site-packages/sklearn/metrics/classification.py in precision_recall_fscore_support(y_true, y_pred, beta, labels, pos_label, average, warn_for, sample_weight)
1016 else:
1017 raise ValueError("Target is %s but average='binary'. Please "
-> 1018 "choose another average setting." % y_type)
1019 elif pos_label not in (None, 1):
1020 warnings.warn("Note that pos_label (set to %r) is ignored when "
ValueError: Target is multiclass but average='binary'. Please choose another average setting.
有什么方法可以用来对此类数据进行交叉验证吗?
【问题讨论】:
ROC 仅适用于二元分类器。您应该考虑使用其他评分函数或使用 One vs Rest 方法计算您的 ROC。 检查average
参数here和here并使用合适的。
【参考方案1】:
正如Vivek Kumar 评论中所指出的,sklearn 指标支持F1 score 和ROC computations 的多类平均,尽管在数据不平衡时存在一些限制。因此,您可以使用相应的average
参数手动构造记分器,或使用预定义的参数之一(例如:'f1_micro'、'f1_macro'、'f1_weighted')。
如果需要多个分数,则使用 cross_validate
代替 cross_val_score
(自模块 sklearn.model_selection
中的 sklearn 0.19 起可用)。
【讨论】:
如果我不想平均评分结果怎么办?我想要每个类的交叉验证评分结果(f1score、precision、recall)。这似乎是不可能的。将 cross_validate 与 f1_score 和 average=None 结合使用,我得到ValueError: scoring must return a number
。有没有可能做到这一点?
嗨@LNA,您应该查看cross_val_score
和cross_validate
的文档,它们实际上会返回每个折叠的分数。你是这个意思吗?如果你真的想按类来,你可以检查imabalanced learn应该有你需要的东西。
不,我不认为我们在谈论同一件事。如果我有 5 个类和 3 个折叠,cross_validate 会为每个折叠提供 f1_score,所以我会得到 3 个数字,但我并不真正关心单个折叠的结果。我想要每个班级的 f1score 的结果,因此每个班级的平均结果(超过 3 次)为 5 个数字,或者所有折叠和所有班级的 3x5 个数字,我将自己进行平均。因此,通过设置 average=None 似乎应该可以做到这一点,但是 cross_validate 会引发错误。似乎它只能处理数字。以上是关于如何对多类数据进行交叉验证?的主要内容,如果未能解决你的问题,请参考以下文章
Scikit-learn 使用朴素贝叶斯进行 10 折交叉验证的多类分类