如何从 scikit-learn 中与 predict_proba 一起使用的 cross_val_predict 获取类标签

Question

我需要使用 3 折交叉验证来训练 Random Forest classifier。对于每个样本，当它恰好在测试集中时，我需要检索预测概率。

我正在使用 scikit-learn 版本 0.18.dev0。

此新版本添加了使用方法cross_val_predict() 和附加参数method 来定义估计器需要哪种预测的功能。

在我的例子中，我想使用predict_proba() 方法，它在多类场景中返回每个类的概率。

但是，当我运行该方法时，我会得到预测概率矩阵，其中每一行代表一个样本，每一列代表特定类的预测概率。

问题是方法没有指明每一列对应哪个类。

我需要的值是相同的（在我的情况下使用RandomForestClassifier）在属性classes_中返回定义为：

classes_ : 形状数组 = [n_classes] 或此类数组的列表 类标签（单输出问题），或类标签数组列表（多输出问题）。

predict_proba() 需要它，因为在其文档中写道：

类的顺序与属性classes_中的顺序相对应。

一个最小的例子如下：

import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_predict

clf = RandomForestClassifier()

X = np.random.randn(10, 10)
y = y = np.array([1] * 4 + [0] * 3 + [2] * 3)

# how to get classes from here?
proba = cross_val_predict(estimator=clf, X=X, y=y, method="predict_proba")

# using the classifier without cross-validation
# it is possible to get the classes in this way:
clf.fit(X, y)
proba = clf.predict_proba(X)
classes = clf.classes_

Answer 1

是的，它们将按排序顺序排列；这是因为DecisionTreeClassifier（这是RandomForestClassifier 的默认base_estimator）uses np.unique to construct the classes_ attribute 返回输入数组的排序唯一值。