两个分类器之间的投票如何在 sklearn 中工作？答案

【问题标题】：How does voting between two classifiers work in sklearn?两个分类器之间的投票如何在 sklearn 中工作？
【发布时间】：2018-07-09 18:46:06
【问题描述】：

对于分类任务，我使用投票分类器来集成逻辑回归和支持向量机，投票参数设置为soft。结果明显优于每个单独的模型。我不确定我是否理解它是如何工作的。模型如何仅在两个模型之间找到多数票？

【问题讨论】：

标签： python machine-learning scikit-learn classification ensemble-learning

【解决方案1】：

假设你有两个类 class-A 和 class-B

Logistic Regression( 有一个内置的 predict_proba() 方法) 和 SVC(set probability=True) 都能够估计其输出的类别概率，即它们预测输入是否为 class-A 概率 a 和 class-B 概率 b。如果 a>b 则输出预测类别为 A 否则为 B 。在投票分类器中，将投票参数设置为 soft 启用它们（ SVM 和 LogiReg）分别计算它们的概率（也称为置信度分数）并将其呈现给投票分类器，然后voting classifier 对它们进行平均并输出概率最高的类。

确保如果您设置了voting=soft，那么您提供的分类器也可以计算此置信度分数。

要查看每个分类器的置信度，您可以这样做：

from sklearn.metrics import accuracy_score
y_pred=classifer_name.predict(X_test) #classifier_name=trained SVM/LogiReg/VotingClassifier
print(classifier_name.__class__.__name__,accuracy_score(y_true,y_pred))

注意：由于计算机浮点四舍五入，a+b 可能看起来不是 1。但它是1。我不能说像决策函数这样的其他置信度分数，但是使用 predict_proba() 就是这种情况。

【讨论】：

我不能说诸如决策函数之类的其他置信度分数，但是使用 predict_proba() 样本的所有概率之和等于 1。由于计算机浮点运算，它可能看起来不是 1离开。但它是 1。
@VivekKumar 谢谢你的澄清，可能是这样。我将更新我的答案并添加您的floating point 结束部分。