作者热门文章
- 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?
我正在开展一个项目,将每位候选人的总统辩论推文分为中性、正面和负面。 (不是当前的辩论数据集)。我正在使用决策树、决策树集成和 AdaBoost 进行训练。问题是我得到了 100% 的准确率,这是非常奇怪且不可能的。
我拥有的数据采用词袋
模型的形式。词汇表中的每个单词都用 0/1 表示,具体取决于该单词是否出现在每条推文中。我在问题末尾添加了统计数据。 df_obama
是一个数据框,其中包含有关奥巴马的所有推文。
df_Obama = pd.DataFrame.from_csv("../data/Obama_BagOfWords.csv")
df_Obama = df_Obama.reindex(np.random.permutation(df_Obama.index)).reset_index()
dataFeatures = df_Obama[allAttribs_Obama]
targetVar = list(df_Obama['Class'])
splitRatio = 0.9
splitPoint = int(splitRatio*len(dataFeatures))
dataFeatures_train = dataFeatures[:splitPoint]
dataFeatures_test = dataFeatures[splitPoint:]
targetVar_train = targetVar[:splitPoint]
targetVar_test = targetVar[splitPoint:]
clfObj = tree.DecisionTreeClassifier()
clfObj.fit(dataFeatures_train,targetVar_train)
preds = list(clfObj.predict(dataFeatures_test))
accScore = accuracy_score(targetVar_test,preds)
labels = [1,-1,0]
precision = precision_score(targetVar_test,preds,average=None,labels=labels)
recall = recall_score(targetVar_test,preds,average=None,labels=labels)
f1Score = f1_score(targetVar_test,preds,average=None,labels=labels)
print("Overall Acurracy",accScore)
print("precision",precision)
print("recall",recall)
print("f1Score",f1Score)
Overall Acurracy 1.0
precision [ 1. 1. 1.]
recall [ 1. 1. 1.]
f1Score [ 1. 1. 1.]
我就是不明白为什么会这样?指标如此高有什么原因吗?我也尝试过不同的训练-测试分割比,结果似乎没有什么不同。
注意:以下是数据信息:
df_Obama.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5465 entries, 0 to 5464
Columns: 13078 entries, level_0 to zzzzzzzzzz
dtypes: int64(13078)
memory usage: 545.3 MB
df_Obama.head(3)
0023Washington 08hayabusa 09Its .... 09what 1000000th
0 1 0 1 0
1 0 0 0 0
0 0 0 0 0
最佳答案
分类器有可能看到目标值吗? df_Obama['Class']
是否包含在功能数组中?目前尚不清楚,因为您没有显示 allAttribs_Obama
的值。
另请查看 documentation for decision trees on scikit-learn ,具体来说:
"Decision trees tend to overfit on data with a large number of features."
您可能想尝试减少特征空间(查看 scikit-learn 的 documentation on feature selection )。
顺便说一句,您可以使用 sklearn.model_selection.train_test_split
创建训练和测试集。
关于python - 树分类器的极高准确度指标,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40348137/
我是一名优秀的程序员,十分优秀!