0

我正在尝试在 iris 和 titanic 等数据集上使用 y_scores=OneVsRestClassifier(svm.SVC()).predict() 。问题是我将 y_scores 作为连续值。就像我得到的 iris 数据集一样：

[[ -3.70047231  -0.74209097   2.29720159]
 [ -1.93190155   0.69106231  -2.24974856]
.....

我正在将 OneVsRestClassifier 用于其他分类器模型，例如 knn、randomforest、naive bayes，它们以以下形式给出适当的结果

[[ 0  1   0]
 [ 1   0  1]...

虹膜数据集上的等。请帮忙。

4

1 回答 1

1

好吧，这根本不是真的。

>>> from sklearn.multiclass import OneVsRestClassifier
>>> from sklearn.svm import SVC
>>> from sklearn.datasets import load_iris
>>> iris = load_iris()
>>> clf = OneVsRestClassifier(SVC())
>>> clf.fit(iris['data'], iris['target'])
OneVsRestClassifier(estimator=SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=False, random_state=None,
  shrinking=True, tol=0.001, verbose=False),
          n_jobs=1)
>>> print clf.predict(iris['data'])
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 2 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]

也许您decision_function改为调用（这将匹配您的输出维度，因为 predict 应该返回一个向量，而不是一个矩阵）。然后，SVM 返回到每个超平面的有符号距离，从数学角度来看，这是它的决策函数。

于 2016-05-09T22:56:53.547 回答