python - OnevsrestClassifier 和随机森林-6ren

python - OnevsrestClassifier 和随机森林

转载作者：行者123 更新时间：2023-11-28 20:39:21

29

4

我正在尝试重现示例 here但使用 RandomForestClassifer。

我看不到如何转换这部分代码

# Learn to predict each class against the other
classifier = OneVsRestClassifier(svm.SVC(kernel='linear', probability=True,
                                 random_state=random_state))
y_score = classifier.fit(X_train, y_train).decision_function(X_test)

我试过了

# Learn to predict each class against the other
classifier = OneVsRestClassifier(RandomForestClassifier())
y_score = classifier.fit(X_train, y_train).decision_function(X_test)

但是我明白了

AttributeError: Base estimator doesn't have a decision_function attribute.

有解决办法吗？

最佳答案

那么您应该知道 decision_function 的用途。它仅与 SVM 分类器一起使用，原因是它给出了数据点与分隔数据的超平面的距离，而当您使用 RandomForestClassifier 执行此操作时，它没有任何意义。您可以使用 RFC 支持的其他方法。如果您想获得分类数据点的概率，可以使用 predict_proba。

这是受支持的 functions 的引用

只需提及 RFC 确实支持 oob_decision_function，这是对您的训练集的袋外估计。

所以只需将您的行替换为 -

y_score = classifier.fit(X_train, y_train).predict_proba(X_test)

或

y_score = classifier.fit(X_train, y_train).predict(X_test)

关于python - OnevsrestClassifier 和随机森林，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38437845/

29

4

0

文章推荐： python - 创建无限循环生成器的巧妙方法？

文章推荐： python - 有没有办法突破列表理解？

文章推荐： python - Tensorflow 网格 LSTM RNN TypeError

python - OnevsrestClassifier 和随机森林
我正在尝试重现示例 here但使用 RandomForestClassifer。我看不到如何转换这部分代码 # Learn to predict each class against the oth
python - 使用 OneVsRestClassifier 时全为零
我正在尝试在我的数据集上使用 OneCsRestClassifier。我提取了将要训练的模型的特征，并在其上安装了线性 SVC。模型拟合后，当我尝试预测模型拟合的相同数据时，我得到的全是零。是因为一些
machine-learning - OneVsRestClassifier 的损失函数
我有一个已经过训练的 OneVsRestClassifier (scikit-learn)。 clf = OneVsRestClassifier(LogisticRegression(C=1.2, p
python - 如何用 OneVsRestClassifier 做 GridSearchCV？
我有一个多标签问题。我将 OneVsRestClassifier 与 SVM 一起使用。现在我想通过 GridSearchCV 调整参数。我试过了 GridSearchCV(estimator=One
python - 多标签 OneVsRestClassifier 的 GridSearch？
我正在对多标签数据进行网格搜索，如下所示: #imports from sklearn.svm import SVC as classifier from sklearn.pipeline impor
python - GridSearch 用于 OneVsRestClassifier 中的估计器
我想在 SVC 模型中执行 GridSearchCV，但它使用一对多策略。对于后一部分，我可以这样做: model_to_set = OneVsRestClassifier(SVC(kernel="p
svm - 如何将 OneVsRestClassifier 与 SVC 一起用于多标签问题？
我正在使用 OneVsRestClassifier 进行多标签分类。它适用于 LinearSVC，但是当我将它应用于 SVC 时，出现以下错误: classifier = OneVsRestClass
python - 使用自定义分类器通过 GridSearchCV 和 OneVsRestClassifier 进行多标签分类
我正在尝试使用 OneVsRestClassifier 对一组评论进行多标签分类。我的目标是将每条评论标记为可能的主题列表。我的自定义分类器使用手动整理的单词列表及其在 csv 中的相应标签来标记每个
python - 从 OneVsRestClassifier 获取随机森林 feature_importances_ 用于多标签分类
我正在使用 OneVsRestClassifier 解决多标签分类问题。我将 RandomForestClassifier 传递给它。 from sklearn.multiclass import O
python - 如何将 GridSearchCV 用于带有 SVC 估计器的 OneVsRestClassifier？
我正在尝试将 OneVsRestClassifier 与 SVC 一起用于图像的多分类问题 - 我从 CellProfiler 获得了图像的数值特征。我想使用 GridSearchCV 查找要使用的超
machine-learning - OneVsRestClassifier(svm.SVC()).predict() 给出连续值
我尝试在数据集上使用 y_scores=OneVsRestClassifier(svm.SVC()).predict()就像 iris 和 titanic 一样。问题是我得到的 y_scores 是连
Python sklearn OneVsRestClassifier : Score function gives ValueError
我正在研究多标签分类问题 import pandas as pd import pickle from sklearn.feature_extraction.text import TfidfVect
scikit-learn - 如何在 scikit-learn 中为 OneVsRestClassifier 设置类权重？
我需要一个 SVM 作为多标签分类器，所以我决定使用 OneVsRestClassifier 包装器。然而，问题出现了，训练集变得高度不平衡:对于给定的类，负例比正例多得多。这可以通过 class_w
python-2.7 - 使用 sklearn 中的 OneVsRestClassifier 将定制的二元分类调整为多类分类
我有二元分类方法名称FMclassifier我需要将其应用于多类分类问题，到目前为止我知道可以使用一些估计器将二元分类器或回归器变成多类分类器。我想知道在 sklearn 中使用 OneVsRestC
python - 使用 NLTK、scikit-learn 和 OneVsRestClassifier 打开多标签分类
免责声明:我对 AI、Python、NLTK 和 scikit-learn 还很陌生。我正在尝试训练分类器将一组文档分类为一组标签。我正在使用 NLTK 包装器与 scikit-learn 的 O
python - 学习 : Evaluate performance of each classifier of OneVsRestClassifier inside GridSearchCV
我正在使用 OneVsRestClassifier 和 SVC 处理多标签分类， from sklearn.datasets import make_multilabel_classification
python-3.x - OneVsRestClassifier 能否用于在 Python Scikit-Learn 中生成单独的二元分类器模型？
我正在阅读 Scikit-learn 的 OneVsRestClassifier() 文档，link .在我看来，OneVsRestClassifier 首先将多个类二值化为二进制类，然后训练模型，并
python - 在 Neuraxle 管道中使用 predict_proba() 代替 predict() 与 OneVsRestClassifier
我正在尝试设置一个神经轴管道使用 sklearns OneVsRestClassifier (OVR)。 Neuraxle 管道中的每个有效步骤都必须实现 fit()和 transform()方法
scikit-learn - sklearn : Difference between using OneVsRestClassifier and build each classifier individually
据我所知，多标签问题可以用一对多的方案来解决，Scikit-learn 实现了 OneVsRestClassifier作为分类器的包装器，例如 svm.SVC .我想知道如果我真的训练会有什么不同，比
python - 使用 OneVsRestClassifier 时 sklearn.svm.SVC 的哪个 decision_function_shape？
我正在做多标签分类，我试图预测问题的正确标签: (X = 问题，y = X 中每个问题的标签列表)。我想知道 sklearn.svm.SVC 的 decision_function_shape应与

首页

博学

6Ren·AI

商城

python - OnevsrestClassifier 和随机森林