我正在使用从“Mastering Machine Learning with scikit learn”一书中提取的示例。
它使用决策树来预测网页上的每个图像是广告还是文章内容。然后可以使用级联样式表隐藏被分类为广告的图像。数据可从 Internet 广告数据集公开获得：http: //archive.ics.uci.edu/ml/datasets/Internet+Advertisements，其中包含 3,279 张图像的数据。
以下是完成分类任务的完整代码：
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.cross_validation import train_test_split
from sklearn.metrics import classification_report
from sklearn.pipeline import Pipeline
from sklearn.grid_search import GridSearchCV
import sys,random
def main(argv):
df = pd.read_csv('ad-dataset/ad.data', header=None)
explanatory_variable_columns = set(df.columns.values)
response_variable_column = df[len(df.columns.values)-1]
explanatory_variable_columns.remove(len(df.columns.values)-1)
y = [1 if e == 'ad.' else 0 for e in response_variable_column]
X = df[list(explanatory_variable_columns)]
X.replace(to_replace=' *\?', value=-1, regex=True, inplace=True)
X_train, X_test, y_train, y_test = train_test_split(X, y,random_state=100000)
pipeline = Pipeline([('clf',DecisionTreeClassifier(criterion='entropy',random_state=20000))])
parameters = {
'clf__max_depth': (150, 155, 160),
'clf__min_samples_split': (1, 2, 3),
'clf__min_samples_leaf': (1, 2, 3)
}
grid_search = GridSearchCV(pipeline, parameters, n_jobs=-1,verbose=1, scoring='f1')
grid_search.fit(X_train, y_train)
print 'Best score: %0.3f' % grid_search.best_score_
print 'Best parameters set:'
best_parameters = grid_search.best_estimator_.get_params()
for param_name in sorted(parameters.keys()):
print '\t%s: %r' % (param_name, best_parameters[param_name])
predictions = grid_search.predict(X_test)
print classification_report(y_test, predictions)
if __name__ == '__main__':
main(sys.argv[1:])
如示例中所示，在 GridSearchCV 中使用score='f1'的结果是：
使用 score =None（默认准确度度量）的结果与使用 F1 分数相同：
如果我没有错，通过不同的评分函数优化参数搜索应该会产生不同的结果。下面的案例表明，当使用score='precision'时会得到不同的结果。
使用score='precision'的结果与其他两种情况不同。“召回”等也是如此：
为什么'F1'和None，默认精度，给出相同的结果？？
已编辑
我同意 Fabian 和 Sebastian 的两个答案。问题应该是小的param_grid。但我只是想澄清一下，当我使用完全不同的（不是此处示例中的那个）高度不平衡的数据集 100:1（这应该会影响准确性）并使用逻辑回归时，问题就会激增。在这种情况下，“F1”和准确性也给出了相同的结果。
在这种情况下，我使用的 param_grid 如下：
parameters = {"penalty": ("l1", "l2"),
"C": (0.001, 0.01, 0.1, 1, 10, 100),
"solver": ("newton-cg", "lbfgs", "liblinear"),
"class_weight":[{0:4}],
}
我猜是参数选择也太小了。