[解決済み] scikit-learnのcross_val_predictの精度スコアはどのように計算されるのですか?
質問
を使用していますか?
cross_val_predict
(参照
doc
v0.18)では
k
-のように、各折り返しの精度を計算し、最終的にそれらを平均化するかどうか?
cv = KFold(len(labels), n_folds=20)
clf = SVC()
ypred = cross_val_predict(clf, td, labels, cv=cv)
accuracy = accuracy_score(labels, ypred)
print accuracy
解決方法は?
いいえ、そんなことはありません。
によると
クロスバリデーション文書
のページをご覧ください。
cross_val_predict
はスコアを返さず、ここで説明する特定の戦略に基づいたラベルのみを返します。
関数 cross_val_predict のインタフェースは cross_val_score。 を返しますが,入力の各要素に対して その要素がテストに含まれるときに得られた予測値が セット . すべての要素をクロスバリデーションに割り当てるストラテジーだけが を使用することができる(そうでない場合は例外が発生する)。
そのため
accuracy_score(labels, ypred)
は、前述の特定の戦略によって予測されたラベルの正確さのスコアを計算しているだけです。
を真のラベルと比較する。これも同じドキュメントのページに明記されています。
これらの予測値は、分類器を評価するために使用することができます。
predicted = cross_val_predict(clf, iris.data, iris.target, cv=10) metrics.accuracy_score(iris.target, predicted)
この計算結果は若干異なる場合があります。 とは異なり、要素がグループ化されているため、cross_val_scoreを使用した場合 を異なる方法で設定します。
もし、様々な折り方の精度が必要な場合は、試してみてください。
>>> scores = cross_val_score(clf, X, y, cv=cv)
>>> scores
array([ 0.96..., 1. ..., 0.96..., 0.96..., 1. ])
そして、すべてのフォールドの平均精度を求めるには
scores.mean()
:
>>> print("Accuracy: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2))
Accuracy: 0.98 (+/- 0.03)
Cohenカッパ係数と各フォールドの混同行列を計算するには?
計算方法
Cohen Kappa coefficient
というのは、真のラベルと各フォールドの予測ラベルの間のカッパ係数と混同行列のことだと思われます。
from sklearn.model_selection import KFold
from sklearn.svm.classes import SVC
from sklearn.metrics.classification import cohen_kappa_score
from sklearn.metrics import confusion_matrix
cv = KFold(len(labels), n_folds=20)
clf = SVC()
for train_index, test_index in cv.split(X):
clf.fit(X[train_index], labels[train_index])
ypred = clf.predict(X[test_index])
kappa_score = cohen_kappa_score(labels[test_index], ypred)
confusion_matrix = confusion_matrix(labels[test_index], ypred)
はどのようなものですか?
cross_val_predict
を返しますか?
これは、KFoldを使ってデータを分割し
k
の部分と、その後に
i=1..k
の繰り返しになります。
-
取る
i'th
の部分をテストデータ、それ以外を学習データとして使用します。 -
は学習データを使ってモデルを学習します。
i'th
) -
のラベルを予測し、この学習済みモデルを用いて
i'th
の部分 (テストデータ)
各反復で、ラベルの
i'th
の部分が予測される。最後にcross_val_predictは部分的に予測されたラベルをすべてマージし、最終結果として返す。
このコードでは、この処理を順を追って説明する。
X = np.array([[0], [1], [2], [3], [4], [5]])
labels = np.array(['a', 'a', 'a', 'b', 'b', 'b'])
cv = KFold(len(labels), n_folds=3)
clf = SVC()
ypred_all = np.chararray((labels.shape))
i = 1
for train_index, test_index in cv.split(X):
print("iteration", i, ":")
print("train indices:", train_index)
print("train data:", X[train_index])
print("test indices:", test_index)
print("test data:", X[test_index])
clf.fit(X[train_index], labels[train_index])
ypred = clf.predict(X[test_index])
print("predicted labels for data of indices", test_index, "are:", ypred)
ypred_all[test_index] = ypred
print("merged predicted labels:", ypred_all)
i = i+1
print("=====================================")
y_cross_val_predict = cross_val_predict(clf, X, labels, cv=cv)
print("predicted labels by cross_val_predict:", y_cross_val_predict)
その結果、次のようになります。
iteration 1 :
train indices: [2 3 4 5]
train data: [[2] [3] [4] [5]]
test indices: [0 1]
test data: [[0] [1]]
predicted labels for data of indices [0 1] are: ['b' 'b']
merged predicted labels: ['b' 'b' '' '' '' '']
=====================================
iteration 2 :
train indices: [0 1 4 5]
train data: [[0] [1] [4] [5]]
test indices: [2 3]
test data: [[2] [3]]
predicted labels for data of indices [2 3] are: ['a' 'b']
merged predicted labels: ['b' 'b' 'a' 'b' '' '']
=====================================
iteration 3 :
train indices: [0 1 2 3]
train data: [[0] [1] [2] [3]]
test indices: [4 5]
test data: [[4] [5]]
predicted labels for data of indices [4 5] are: ['a' 'a']
merged predicted labels: ['b' 'b' 'a' 'b' 'a' 'a']
=====================================
predicted labels by cross_val_predict: ['b' 'b' 'a' 'b' 'a' 'a']
関連
-
[解決済み】TypeErrorを取得しました。エントリを持つ子テーブルの後に親テーブルを追加しようとすると、 __init__() missing 1 required positional argument: 'on_delete'
-
[解決済み】Python elifの構文が無効です【終了しました
-
[解決済み】LogisticRegression: Pythonでsklearnを使用して、未知のラベルタイプ: '連続'を使用しています。
-
[解決済み】 'numpy.float64' オブジェクトは反復可能ではない
-
[解決済み] Pythonで現在時刻を取得する方法
-
[解決済み] Pythonで辞書に新しいキーを追加するにはどうすればよいですか?
-
[解決済み] Pythonで2つのリストを連結する方法は?
-
[解決済み] NumPyでユークリッド距離はどのように計算できますか?
-
[解決済み】ネストされたディレクトリを安全に作成するには?
-
[解決済み】scikit-learnで分類器をディスクに保存する。
最新
-
nginxです。[emerg] 0.0.0.0:80 への bind() に失敗しました (98: アドレスは既に使用中です)
-
htmlページでギリシャ文字を使うには
-
ピュアhtml+cssでの要素読み込み効果
-
純粋なhtml + cssで五輪を実現するサンプルコード
-
ナビゲーションバー・ドロップダウンメニューのHTML+CSSサンプルコード
-
タイピング効果を実現するピュアhtml+css
-
htmlの選択ボックスのプレースホルダー作成に関する質問
-
html css3 伸縮しない 画像表示効果
-
トップナビゲーションバーメニュー作成用HTML+CSS
-
html+css 実装 サイバーパンク風ボタン
おすすめ
-
opencvとpillowを用いた顔認証システム(デモあり)
-
Python百行で韓服サークルの画像クロールを実現する
-
Pythonの@decoratorsについてまとめてみました。
-
Python Pillow Image.save jpg画像圧縮問題
-
FacebookオープンソースワンストップサービスpythonのタイミングツールKats詳細
-
[解決済み】RuntimeWarning: 割り算で無効な値が発生しました。
-
[解決済み】Python regex AttributeError: 'NoneType' オブジェクトに 'group' 属性がない。
-
[解決済み】syntaxError: 'continue' がループ内で適切に使用されていない
-
[解決済み】Python Error: "ValueError: need more than 1 value to unpack" (バリューエラー:解凍に1つ以上の値が必要です
-
[解決済み】NameError: 名前 'self' が定義されていません。