具有多个标签的 sklearn 确定性回归

Posted 2023-03-12

【中文标题】具有多个标签的 sklearn 确定性回归

【英文标题】：sklearn deterministic regression with multiple tags

【发布时间】：2020-06-29 17:07:34

【问题描述】：

我在 python 中有一个回归问题。我的输入数据集如下所示：

x= 均值、偏差、方差、varianceOfVariance

y = 走、慢、跑、保持

X 特征由值组成，Y 被二进制标记为 4 个类别之一。所以它可以是或步行或慢速或跑步或保持。 data.head() 看起来像这样。

我可以使用 train_test_split() 方法在 X_train、X_test、y_train、y_test 中拆分 pd 数据帧。

我想创建一个回归器（前 SVM，或线性回归器），以如下格式对这些标签进行预测：70% 步行，25% 慢速，0% 运行，5% 保持。

它必须是概率的，我尝试使用分类器，并将标签组合成一个变量，但现在我正在尝试概率机会。

使用 sklearn 库可以做到这一点，如果可以，怎么做？我想不通。

【参考方案1】：

分类器已经是概率性的 - 您可以获得概率，而不仅仅是最高概率的类别。使用 predict_proba ：

clf.fit(X_train, y_train)
score = clf.score(X_test, y_test)
probs = clf.predict_proba(X_test)

【讨论】：

谢谢！像魅力一样工作:)