- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
在使用 GradientBoostingClassifiers 时,我试图获取模型预测的类的概率,我使用“predict_proba(X)”方法来预测这些类。但我想知道如何检查这个预测的准确性。
P = np.array(D1.drop(['Class'], axis = 1))
q = np.array(D1['Class'])
P_train, P_test, q_train, q_test = train_test_split(P, q)
qst = GradientBoostingClassifier(criterion='friedman_mse', init=None,
learning_rate=0.08, loss='deviance', max_depth=None,
max_features=None, max_leaf_nodes=None,
min_samples_leaf=1,
min_samples_split=2, min_weight_fraction_leaf=0.0,
n_estimators=400, presort='auto', random_state=None,
subsample=0.8, verbose=0, warm_start=False).fit(P_train, q_train)
总数据集为 (17520x24) - 24 个特征,包括“类”特征上面的代码有3个类
pred_prob_P_test = qst.predict_proba(P_test)
这给出了目标属于每个类别的百分比概率
我想检查这个预测概率的准确性。
最佳答案
你可以这样做:
from sklearn.metrics import accuracy_score
pred_prob_P_test = qst.predict(P_test)
accuracy_score(q_test, pred_prob_P_test)
如果您仅需要报告任何人都可以理解的内容,那么使用准确性
作为指标就可以了。但是,您应该使用其他一些指标(例如多类对数损失)来优化模型。
编辑:
pred_prob_P_test = qst.predict_proba(P_test)
preds = np.argmax(pred_prob_P_test, axis=1)
accuracy_score(q_test, preds)
关于python - 在预测类别概率时检查 GradientBoostingClassifier 的准确性,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49811533/
在使用 GradientBoostingClassifiers 时,我试图获取模型预测的类的概率,我使用“predict_proba(X)”方法来预测这些类。但我想知道如何检查这个预测的准确性。 P
我已经回答了以下问题: how to extract decision rules of GradientBosstingClassifier How to extract the decision
我有一个非常不平衡的数据集,我需要在此基础上构建一个模型来解决分类问题。数据集有大约 30000 个样本,其中大约 1000 个样本标记为 -1-,其余标记为 0。我通过以下几行构建模型: X_tra
我正在使用 scikit-learn 的梯度提升树分类器,GradientBoostingClassifier .它使特征重要性得分在 feature_importances_ 中可用。如何计算这些特
我训练了一个 gradient boost classifier ,我想使用所示的 graphviz_exporter 工具对其进行可视化 here . 当我尝试时,我得到: AttributeErr
在 SciKit-Learn 中拟合 GradientBoostingClassifier 后,某些特征的重要性为零。 我的理解是,重要性为零意味着不会对此功能进行拆分。 如果我尝试使用不包含该功能的
为什么会这样 GradientBoostingClassifier(loss='ls') 失败: raise ValueError("``n_classes`` must be 1 for regre
我正在尝试使用 GradientBoostingClassifier 训练模型使用分类变量。 以下是原始代码示例,仅用于尝试将分类变量输入到 GradientBoostingClassifier 中。
有没有办法惩罚某个特征,使其不主导模型? (在 Salford Predictive Modeller 中,有一个名为“变量惩罚”的设置) 情况是,我有一个分类特征,我想将其包含在模型中,但我不想将其
我想从训练有素的梯度提升分类器(来自 sklearn)生成代码(现在是 Python,但最终是 C)。据我了解,该模型采用初始预测器,然后添加来自顺序训练的回归树的预测(按学习因子缩放)。所选择的类是
我正在尝试使用以下代码使用 joblib.dump 保存经过训练的 GradientBoostingClassifier: # use 90% of training data NI=int(len(
所有特征都是 float 数据类型,而有一些特征以 NaN 为主。我尝试通过 GradientBoostingClassifier 训练模型,如下所示。 train_x, test_x, train_
应用功能可以引用here 我的困惑更多来自this sample ,我在下面的代码片段中添加了一些打印以输出更多调试信息, grd = GradientBoostingClassifier(n_est
我尝试在 scikit-learn 中使用 GradientBoostingClassifier,它使用默认参数工作正常。但是,当我尝试用不同的分类器替换 BaseEstimator 时,它不起作用并
您好,我正在尝试将 VotingClassifier 与我的 GradientBoostingClassifier 一起使用,我在 GradientBoostingClassifier 周围放置了一个
我是一名优秀的程序员,十分优秀!