OneVsRestClassifier(svm.SVC()).predict() 给出连续值
Posted
技术标签:
【中文标题】OneVsRestClassifier(svm.SVC()).predict() 给出连续值【英文标题】:OneVsRestClassifier(svm.SVC()).predict() gives continous values 【发布时间】:2016-09-03 22:56:20 【问题描述】:我正在尝试在数据集上使用 y_scores=OneVsRestClassifier(svm.SVC()).predict() 像 iris 和 titanic 。问题是我得到 y_scores 作为连续值。就像我得到的 iris 数据集一样:
[[ -3.70047231 -0.74209097 2.29720159]
[ -1.93190155 0.69106231 -2.24974856]
.....
我正在将 OneVsRestClassifier 用于其他分类器模型,例如 knn、randomforest、朴素贝叶斯,它们以
的形式给出适当的结果[[ 0 1 0]
[ 1 0 1]...
鸢尾花数据集等。请帮忙。
【问题讨论】:
代码你编辑你的问题,包括一个最小的工作示例好吗? 【参考方案1】:这根本不是真的。
>>> from sklearn.multiclass import OneVsRestClassifier
>>> from sklearn.svm import SVC
>>> from sklearn.datasets import load_iris
>>> iris = load_iris()
>>> clf = OneVsRestClassifier(SVC())
>>> clf.fit(iris['data'], iris['target'])
OneVsRestClassifier(estimator=SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
kernel='rbf', max_iter=-1, probability=False, random_state=None,
shrinking=True, tol=0.001, verbose=False),
n_jobs=1)
>>> print clf.predict(iris['data'])
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 2 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 2]
也许您改为调用decision_function
(这将匹配您的输出维度,因为 predict 应该返回一个向量,而不是一个矩阵)。然后,SVM 返回到每个超平面的有符号距离,从数学角度来看,这是它的决策函数。
【讨论】:
以上是关于OneVsRestClassifier(svm.SVC()).predict() 给出连续值的主要内容,如果未能解决你的问题,请参考以下文章
使用 OneVsRestClassifier 时如何传递 XGBoost 拟合参数?
OneVsRestClassifier(svm.SVC()).predict() 给出连续值
GridSearch 用于 OneVsRestClassifier 中的估计器
如何使用带有 SVC 估计器的 OneVsRestClassifier 的 GridSearchCV?
Sklearn:评估 GridSearchCV 中 OneVsRestClassifier 的每个分类器的性能
“OneVsRestClassifier”(Scikit-learn)和“Binary Relevance”(Scikit-multilearn)有啥区别?