machine-learning - 如何使用Scikit-learn中的OneVsRestClassifier来分析多类分类预测每个单独类的性能？

Question

在 scikit-learn 网站上的 OneVsRestClassifier 文档中，它指出了以下内容:

“由于每个类仅由一个和一个分类器表示，因此可以通过检查其相应的分类器来获取有关该类的知识。”

但它没有解释如何做到这一点，而且我看不出本页文档中的任何方法如何实现这一目标。我希望能够打印出每个类别的模型的准确性，以便我可以看到它在预测每个类别时的性能。

到目前为止，我的代码如下，但我真的不知道从哪里开始，因为文档中似乎没有任何内容解释如何执行此操作。非常感谢任何帮助。

def predict_one_vs_rest(self):
    clf = OneVsRestClassifier(LinearSVC(random_state=0))
    clf.fit(self.X, self.y)
    result = clf.classes_
    estimators = clf.estimators_
    print(result)
    print("")
    print(estimators)

Answer 1

您不需要将 LinearSVC 包装在 OneVsRestClassifier 中。作为documentation明确表示，LinearSVC已经支持多类分类。例如，为了检查类别的准确性，您可以使用混淆矩阵或分类报告。