0

所以我想使用 cleanlab 改进可能的 sktime 分类器。以下是一些示例数据

x=np.linspace(0,3,500)
X_true=np.array([randint(1,10)*np.sin(x) for _ in range(100)])
X_false=np.array([randint(1,10)*np.tan(x) for i in range(100)])
y=[True for _ in range (100)]+[False for _ in range (100)]
df=pd.concat([pd.DataFrame(X_true),pd.DataFrame(X_false)])
df['y']=y
df = df.sample(frac=1).reset_index(drop=True)
X=df.drop('y', axis=1).to_numpy()
y=df['y'].to_numpy()

True这将为带有 label 的 sin 函数和带有 label 的tan 函数创建时间序列数据集False。为了创建一些标签错误，我们将前 20 个目标设置为 True

y[:20]=True

现在我正在使用sktime分类器来查找每个时间序列的标签，效果很好

>>> X=from_2d_array_to_nested(X)
>>> clf=TimeSeriesForestClassifier(n_jobs=-1).fit(X,y)
>>> clf.score(X,y)
0.95

但是，我想用来cleanlab通知分类器他的一些训练标签可能不正确

>>> LearningWithNoisyLabels(clf=TimeSeriesForestClassifier()).fit(X,y)

但这会导致 KeyError

KeyError: "None of [Int64Index([  1,   2,   4,   5,   6,   7,  11,  13,  15,  17,\n            ...\n            186, 187, 188, 190, 191, 192, 194, 196, 198, 199],\n           dtype='int64', length=160)] are in the [columns]"

由于LearningWithNoisyLabels与其他分类器一起为我工作，我猜 sktime 分类器有问题，但我不确定

版本信息：

>>> cleanlab.__version__, sktime.__version__
('0.1.1', '0.5.3')

进口：

>>> from cleanlab.classification import LearningWithNoisyLabels
>>> from sktime.utils.data_processing import from_2d_array_to_nested
>>> from sktime.classification.all import TimeSeriesForestClassifier
4

1 回答 1

0

问题是在LearningWithNoisyLabels(..).fit()函数期间cleanlab.latent_estimation.estimate_confident_joint_and_cv_pred_proba抛出异常，因为它没有正确处理 sktime 特征格式。的结果from_2d_array_to_nested()是pd.DataFrame1 列和pd.Series每个单元格中的 a。

但是，如果我们在TimeSeriesForestClassifier内部定义一个将法线作为输入的管道，np.array那么一切正常。

from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import FunctionTransformer

clf=make_pipeline(FunctionTransformer(from_2d_array_to_nested),
                  TimeSeriesForestClassifier())
clf_clean=LearningWithNoisyLabels(clf)
clf_clean.fit(X,y)
于 2021-03-09T16:04:53.093 回答