python - sklearn CalibratedClassifierCV 和 SVM 出错

Question

我想结合使用 sklearn 的 CalibratedClassifierCV 和 sklearn 的 SVC 来预测多类(9 类)预测问题。但是，当我运行它时，出现以下错误。同样的代码在不同的模型(即 RandomForestCalssifier)上运行没有问题。

kf = StratifiedShuffleSplit(y, n_iter=1, test_size=0.2)
clf = svm.SVC(C=1,probability=True)            
sig_clf = CalibratedClassifierCV(clf, method="isotonic", cv=kf)
sig_clf.fit(X, y)

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/calibration.py", line 166, in fit
    calibrated_classifier.fit(X[test], y[test])
  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/calibration.py", line 309, in fit
    calibrator.fit(this_df, Y[:, k], sample_weight)
IndexError: index 9 is out of bounds for axis 1 with size 9

Answer 1

这是 SVC 使用一对一策略的问题，因此决策函数的形状为 (n_samples, n_classes * (n_classes - 1)/2)。一种可能的解决方法是对 CallibratedClassifierCV(OneVsRestClassifier(SVC())) 进行处理。如果你想使用 sigmoidal 校准，你也可以做 SVC(probability=True) 而不是使用 CallibratedClassifierCV。

我认为我们应该修复 SVC 决策函数。