python - 在预测类别概率时检查 GradientBoostingClassifier 的准确性

Question

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。

Answer 1

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)