python - 这是否为我的分类分类提供了良好的基线？

Question

我正在阅读，对于分类分类，您基本上可以使用最受欢迎的类别的输出百分比作为基准。这是有道理的，因为您的模型可能每次都会默认猜测最流行的类别。鉴于这是真的，下面的代码是否完成了它应该做的事情？

# get the index of the most popular category in your training outputs
pop_train_cat_ind = np.argmax(np.sum(train_Y, axis=0))

# get the count of that same category in your validation ouputs
pop_val_cat_ct = np.sum(validation_Y, axis=0)[pop_train_cat_ind]

# get the percentage compared to your total validation samples
baseline = pop_val_cat_ct / len(validation_Y)

Answer 1

要从列表或数组中获取最频繁的值，您可以使用 scipy.stats 中的 mode 函数

import numpy as np
from scipy.stats import mode
train_Y=[1,7,3,4,6,4]
pop_train_cat_ind=mode(train_Y).mode[0]
print(pop_train_cat_ind)

您使用的 argmax 函数不是您想要做的，因为它没有获得最频繁的值，而是获得了 train_Y 具有最大值的索引(使用 train_Y=[1 ,7,3,4,6,4] 它将返回 1)

当您计算 pop_val_cat_ct 时，您首先对 validation_Y 中的所有元素求和，这会返回一个数字，然后您尝试获取 pop_val_cat_ct >第一个元素，通常不存在。

要正确计算 pop_val_cat_ct，您应该计算 validation_Y 等于 pop_train_cat_ind 和 sum 的次数:

validation_Y=[1,8,4]
# get the count of that same category in your validation ouputs
pop_val_cat_ct = np.sum(validation_Y==pop_train_cat_ind)

validation_Y==pop_train_cat_ind 给出一个与 validation_Y 长度相同的数组，填充 True 或 False。当您求和时，它会返回 True 值的数量(对于 Python True=1 和 False=0)，即您需要的计数。

然后你就可以按照你写的做

# get the percentage compared to your total validation samples
baseline = pop_val_cat_ct / len(validation_Y)