python - sklearn 上的分类报告是否要求输入 x 和 y 的长度相同？

Question

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html

我在 sklearn 分类报告中遇到错误。

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-30-6a63be1ce4c8> in <module>
----> 1 classification_report(y_test, predictions)

/usr/local/lib/python3.7/site-packages/sklearn/metrics/classification.py in classification_report(y_true, y_pred, labels, target_names, sample_weight, digits, output_dict)
   1522     """
   1523 
-> 1524     y_type, y_true, y_pred = _check_targets(y_true, y_pred)
   1525 
   1526     labels_given = True

/usr/local/lib/python3.7/site-packages/sklearn/metrics/classification.py in _check_targets(y_true, y_pred)
     69     y_pred : array or indicator matrix
     70     """
---> 71     check_consistent_length(y_true, y_pred)
     72     type_true = type_of_target(y_true)
     73     type_pred = type_of_target(y_pred)

/usr/local/lib/python3.7/site-packages/sklearn/utils/validation.py in check_consistent_length(*arrays)
    233     if len(uniques) > 1:
    234         raise ValueError("Found input variables with inconsistent numbers of"
--> 235                          " samples: %r" % [int(l) for l in lengths])
    236 
    237 

ValueError: Found input variables with inconsistent numbers of samples: [360, 144]

这是我传递的唯一内容，y_test.shape 是 (360,)，predictions.shape 是 (144,)。

classification_report(y_test，预测)

它们的长度需要相同吗？ (我假设是因为第二个堆栈跟踪)..如果是这样，那么当您分割数据时，X 和 Y 的长度如何可以相同？它们的长度不是总是不同吗？

Answer 1

这里似乎对统计/ML 数据分割框架存在一些误解。

正如您所怀疑的，y_test 和 pred 需要具有相同的长度 - 让我们称之为k。为什么？因为我们需要有 k 个测试示例((x, y) 对)来测试模型。 X_test 和 y_test 的长度均为 k 个条目。 (X_test 中的每个条目 x 可能具有多个功能，但它算作一条记录。)对于 X_test 中的每个 x code>，我们对其标签进行预测。然后，为了计算分类准确性等指标，我们将每个测试示例的预测标签与真实标签进行比较。

If so, how can the length of X and Y can be the same when you split your data?

查看sklearn.model_selection.train_test_split的API 。你可以这样调用它:

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.33, random_state=42)

这表明，X_test 和 y_test 将具有相同数量的记录 - 根据设计，它们将始终具有相同的形状。然后，对于 X_test 中的每个条目，您使用模型进行预测。它将与 y_test 中的相应条目配对，这就是您计算分类分数的方式。