sklearn GridSearchCV:如何获得分类报告?
Posted
技术标签:
【中文标题】sklearn GridSearchCV:如何获得分类报告?【英文标题】:sklearn GridSearchCV: how to get classification report? 【发布时间】:2017-03-29 18:33:39 【问题描述】:我正在像这样使用 GridSearchCV:
corpus = load_files('corpus')
with open('stopwords.txt', 'r') as f:
stop_words = [y for x in f.read().split('\n') for y in (x, x.title())]
x = corpus.data
y = corpus.target
pipeline = Pipeline([
('vec', CountVectorizer(stop_words=stop_words)),
('classifier', MultinomialNB())])
parameters = 'vec__ngram_range': [(1, 1), (1, 2)],
'classifier__alpha': [1e-2, 1e-3],
'classifier__fit_prior': [True, False]
gs_clf = GridSearchCV(pipeline, parameters, n_jobs=-1, cv=5, scoring="f1", verbose=10)
gs_clf = gs_clf.fit(x, y)
joblib.dump(gs_clf.best_estimator_, 'MultinomialNB.pkl', compress=1)
然后,在另一个文件中,为了对新文档(不是来自语料库)进行分类,我这样做:
classifier = joblib.load(filepath) # path to .pkl file
result = classifier.predict(tokenlist)
我的问题是:我在哪里可以获得classification_report
所需的值?
在许多其他示例中,我看到人们将语料库分为训练集和测试集。
但是,由于我将GridSearchCV
与 kfold-cross-validation 一起使用,因此我不需要这样做。
那么如何从GridSearchCV
获取这些值呢?
【问题讨论】:
只是一个问题,gs_clf.fit(x, y)
不返回None
?
@BallpointBen 为什么会这样? x 和 y 包含数据
【参考方案1】:
最佳模型在 clf.best_estimator_ 中。您需要将训练数据与此相匹配;然后预测您的测试数据并使用 ytest 和 ypreds 进行分类报告。
【讨论】:
感谢您的回复!所以要明确一点:对于 GridSearchCV,我使用所有数据(在我的例子中是 corpus、data 和 corpus.target),但为了获得最佳分类器,我使用 train_test_split 将数据划分为 x_test、X_train、Y_test、Y_train?跨度> 是的。如果您希望分数可靠,那么他们需要根据与用于拟合的数据集不同的数据集进行衡量。 或者,如果您有足够的数据,您可以在进行网格搜索之前拆分数据。 然后我没有将corpus.data传递给GridSearch,而是只传递X_train?【参考方案2】:如果你有 GridSearchCV 对象:
from sklearn.metrics import classification_report
clf = GridSearchCV(....)
clf.fit(x_train, y_train)
classification_report(y_test,clf.best_estimator_.predict(x_test))
如果您已保存并加载了最佳估算器,则:
classifier = joblib.load(filepath)
classification_report(y_test,classifier.predict(x_test))
【讨论】:
以上是关于sklearn GridSearchCV:如何获得分类报告?的主要内容,如果未能解决你的问题,请参考以下文章
我从 GridSearchCV 获得的 R^2 分数与我从 cross_val_score 获得的分数非常不同,为啥? (sklearn,python)
如何从 sklearn gridsearchcv 获取敏感性和特异性(真阳性率和真阴性率)?
sklearn学习8-----GridSearchCV(自动调参)