eli5: show_weights() 有两个标签

Question

我正在尝试eli5 以了解术语对某些类别的预测的贡献。

你可以运行这个脚本：

import numpy as np
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline
from sklearn.datasets import fetch_20newsgroups

#categories = ['alt.atheism', 'soc.religion.christian']
categories = ['alt.atheism', 'soc.religion.christian', 'comp.graphics']

np.random.seed(1)
train = fetch_20newsgroups(subset='train', categories=categories, shuffle=True, random_state=7)
test = fetch_20newsgroups(subset='test', categories=categories, shuffle=True, random_state=7)

bow_model = CountVectorizer(stop_words='english')
clf = LogisticRegression()
pipel = Pipeline([('bow', bow),
                 ('classifier', clf)])

pipel.fit(train.data, train.target)

import eli5
eli5.show_weights(clf, vec=bow, top=20)

问题：

当使用两个标签时，不幸的是，输出仅限于一个表：

categories = ['alt.atheism', 'soc.religion.christian']

但是，当使用三个标签时，它也会输出三个表格。

categories = ['alt.atheism', 'soc.religion.christian', 'comp.graphics']

这是软件中的一个错误，它在第一个输出中错过了 y=0，还是我错过了一个统计点？我希望看到第一种情况的两个表格。 p>

Answer 1

这与 eli5 无关，而是与 scikit-learn（在本例中为 LogisticRegression()）如何处理两个类别有关。只有两个类别，问题变成了一个二元类别，因此从学习的分类器中到处都只返回一列属性。

看LogisticRegression的属性：

coef_ : 数组，形状 (1, n_features) 或 (n_classes, n_features)

Coefficient of the features in the decision function.
coef_ is of shape (1, n_features) when the given problem is binary.

intercept_ : 数组，形状 (1,) 或 (n_classes,)

Intercept (a.k.a. bias) added to the decision function.

If fit_intercept is set to False, the intercept is set to zero.
intercept_ is of shape(1,) when the problem is binary.

coef_ 在二进制时的形状为 (1, n_features)。这个coef_ 被eli5.show_weights() 使用。

希望这说明清楚。