5

我正在使用组合在一起的推文训练和测试数据集。(combi = train.append(test, ignore_index=True)。

训练 csv 手动标记了以下情绪：-1、0 和 1（基本上是负面的、中性的和正面的），而测试没有。

我希望代码使用逻辑回归来输出 f1 分数，但出现问题：使用 f1_score(yvalid, prediction_int)：

我的代码如下：

from sklearn.feature_extraction.text import CountVectorizer
bow_vectorizer = CountVectorizer(max_df=0.90, min_df=2,        max_features=1000, stop_words='english')
bow = bow_vectorizer.fit_transform(combi['tidy_tweet'])

from sklearn.feature_extraction.text import TfidfVectorizer
tfidf_vectorizer = TfidfVectorizer(max_df=0.90, min_df=2, max_features=1000, stop_words='english')
tfidf = tfidf_vectorizer.fit_transform(combi['tidy_tweet'])

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import f1_score

train_bow = bow[:1300,:]
test_bow = bow[1300:,:]

xtrain_bow, xvalid_bow, ytrain, yvalid =     train_test_split(train_bow, train['label'], random_state=42,  test_size=0.3)

lreg = LogisticRegression()
lreg.fit(xtrain_bow, ytrain) # training the model

prediction = lreg.predict_proba(xvalid_bow) 
prediction_int = prediction[:,1] >= 0.3 
prediction_int = prediction_int.astype(np.int)

f1_score(yvalid, prediction_int)
4

1 回答 1

9

阅读相关文档，您会看到 in 参数的average默认f1_score值为binary; 因为在这里你没有指定它，所以它采用这个默认值，但是这对于你的多类分类的情况是无效的（同意，这可能是一个糟糕的设计选择）。

正如错误消息所建议的那样，您应该明确选择并指定文档中显示的其他可用参数之一；这是来自带有虚拟多类数据的文档的示例：

from sklearn.metrics import f1_score
# dummy multi-class data, similar to yours:
y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]

f1_score(y_true, y_pred, average='macro') 
# 0.26666666666666666

f1_score(y_true, y_pred, average='micro')
# 0.33333333333333331

f1_score(y_true, y_pred, average='weighted') 
# 0.26666666666666666

f1_score(y_true, y_pred) 
# ValueError: Target is multiclass but average='binary'. Please choose another average setting.
于 2019-04-23T11:58:41.477 回答