将 OneClassSVM 与 cross_val_score 一起使用

Posted 2023-03-12

【中文标题】将 OneClassSVM 与 cross_val_score 一起使用

【英文标题】：Use of OneClassSVM with cross_val_score

【发布时间】：2017-09-27 03:12:39

【问题描述】：

我想使用 cross_val_score 来验证我的 OneClassSVM 训练集。这样做会导致以下错误消息。

难道是因为 OneClassSVM 是一种无监督算法，没有“y”向量传递给 cross_val_score，所以算法失败了？

clf = svm.OneClassSVM(nu=_nu, kernel=_kernel, gamma=_gamma, random_state=_random_state, cache_size=_cache_size)
scores = cross_val_score(estimator=clf, X=X_scaled, scoring='accuracy', cv=5)

PS：我意识到“y”向量在 cross_val_score 中是可选的。但是，错误仍然让我假设“y”向量会导致错误。

---

File "/usr/local/lib/python2.7/site-packages/sklearn/model_selection/_validation.py", line 140, in cross_val_score
    for train, test in cv_iter)
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 758, in __call__
    while self.dispatch_one_batch(iterator):
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 608, in dispatch_one_batch
    self._dispatch(tasks)
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 571, in _dispatch
    job = self._backend.apply_async(batch, callback=cb)
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/_parallel_backends.py", line 109, in apply_async
    result = ImmediateResult(func)
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/_parallel_backends.py", line 326, in __init__
    self.results = batch()
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 131, in __call__
    return [func(*args, **kwargs) for func, args, kwargs in self.items]
  File "/usr/local/lib/python2.7/site-packages/sklearn/model_selection/_validation.py", line 260, in _fit_and_score
    test_score = _score(estimator, X_test, y_test, scorer)
  File "/usr/local/lib/python2.7/site-packages/sklearn/model_selection/_validation.py", line 286, in _score
    score = scorer(estimator, X_test)
TypeError: __call__() takes at least 4 arguments (3 given)

【参考方案1】：

我假设您将 OneClassSVM 用于异常值检测原因（为此它在 scikit 中实现，而不是用于分类任务）

documentation of cross_val_score 说的是y：

y ：类数组，可选，默认值：无

在监督学习的情况下尝试预测的目标变量。

请参阅那里的“监督学习”。

所以当你这样做时：

clf = svm.OneClassSVM(nu=_nu, kernel=_kernel, gamma=_gamma, 
                      random_state=_random_state, cache_size=_cache_size)

scores = cross_val_score(estimator=clf, X=X_scaled, scoring='accuracy', cv=5)

您的假设是正确的，OneClassSVM 是一个无监督模型，它不需要y 参数。到目前为止一切顺利。

但您也将scoring 参数设置为“准确度”。这就是错误的来源。当您使用字符串“accuracy”时，将使用默认的 [accuracy_score] (http://scikit-learn.org/stable/modules/generated/sklearn.metrics.accuracy_score.html) 指标，该指标具有签名：

accuracy_score(y_true, y_pred, ... ...)

实际和预测的y 是必需的（不是可选的），这会强制cross_val_score 检查是否提供了y，因此会出现错误。

希望你明白我的意思。

解决方案：

正如this answer here 中所述，“在一类 SVM 中，准确性的概念是不合适的。”但是，如果您仍然打算使用“准确性”，那么您需要为y 所提供的数据准备好基本事实。基本上，y 应该由 +1 或 -1 组成，具体取决于实际样本是内点还是异常点。

我为什么使用 +1 和 -1 是因为 OneClassSVM.predict() 会返回这样的值：

预测（X）

对 X 中的样本执行回归。对于一类模型，返回 +1 或 -1。

否则您需要找到任何其他评分指标，它可以为您的预测 X（没有实际的基本事实 y）提供一些有意义的分数，或者设计您自己的评分方法来计算数据的异常值检测。

如果需要更多帮助，请随时询问。

【讨论】：

感谢您的回复！这说得通。 scikit-learn 中的标准评分指标都不符合我的需要。听起来稳健的行动方案是设计一个适合我的数据集的独立评分函数。

是否可以使用OneClassSVM.decision_function(X) 作为指标？ Its documentation 表示 到分离超平面的有符号距离。有符号距离对于内点是正数，对于离群点是负数。因此，也许您可​​以将其在您的示例中的平均值作为衡量标准，然后尝试将其最大化。我不确定它是否会起作用，我想要@Vivek Kumar 的观点......