predict_proba 用于交叉验证模型答案

【问题标题】：predict_proba for a cross-validated modelpredict_proba 用于交叉验证模型
【发布时间】：2015-05-01 11:44:18
【问题描述】：

我想通过交叉验证从逻辑回归模型预测概率。我知道您可以获得交叉验证分数，但是否可以从 predict_proba 返回值而不是分数？

# imports
from sklearn.linear_model import LogisticRegression
from sklearn.cross_validation import (StratifiedKFold, cross_val_score,
                                      train_test_split)
from sklearn import datasets

# setup data
iris = datasets.load_iris()
X = iris.data
y = iris.target

# setup model
cv = StratifiedKFold(y, 10)
logreg = LogisticRegression()

# cross-validation scores
scores = cross_val_score(logreg, X, y, cv=cv)

# predict probabilities
Xtrain, Xtest, ytrain, ytest = train_test_split(X, y)
logreg.fit(Xtrain, ytrain)
proba = logreg.predict_proba(Xtest)

【问题讨论】：

标签： python scikit-learn logistic-regression cross-validation

【解决方案1】：

有一个函数cross_val_predict 可以为您提供预测值，但“predict_proba”还没有这样的函数。也许我们可以把它作为一个选项。

【讨论】：

开发版有cross_val_predict吗？这将是一个不错的选择。
哦，你是对的，它还没有发布。这应该在接下来的三周内解决。
@AndreasMueller 这个选项有没有被添加到cross_val_predict？
@AndreasMueller，见here

【解决方案2】：

一个简单的解决方法是创建一个包装器类，对于你的情况是

class proba_logreg(LogisticRegression):
    def predict(self, X):
        return LogisticRegression.predict_proba(self, X)

然后将它的一个实例作为分类器对象传递给cross_val_predict

# cross validation probabilities
probas = cross_val_predict(proba_logreg(), X, y, cv=cv)

【讨论】：

仅供参考：我刚刚用RandomForestClassifier 尝试过这个并得到了这个错误ValueError: Can't handle mix of binary and continuous-multioutput
@vlsd，它确实有效 - 您需要为您的 predict_proba 添加 [:,1]，因为它返回每个类别的概率（“0”，“1”），您可能感兴趣在“1”类中

【解决方案3】：

这现在作为 scikit-learn 0.18 版的一部分实现。您可以将“方法”字符串参数传递给 cross_val_predict 方法。文档是here。

例子：

proba = cross_val_predict(logreg, X, y, cv=cv, method='predict_proba')

另请注意，这是新的 sklearn.model_selection 包的一部分，因此您将需要此导入：

from sklearn.model_selection import cross_val_predict

【讨论】：

【解决方案4】：

这很容易实现：

def my_cross_val_predict(
            m, X, y, cv=KFold(),
            predict=lambda m, x: m.predict_proba(x),
            combine=np.vstack
            ):

        preds = []

        for train, test in cv.split(X):
            m.fit(X[train, :], y[train])
            pred = predict(m, X[test, :])
            preds.append(pred)

        return combine(preds)

这个返回predict_proba。如果您同时需要 predict 和 predict_proba 只需更改 predict 和 combine 参数：

def stack(arrs):
    if arrs[0].ndim == 1:
        return np.hstack(arrs)
    else:
        return np.vstack(arrs)

def my_cross_val_predict(
        m, X, y, cv=KFold(),
        predict=lambda m, x:[ m.predict(x)
                            , m.predict_proba(x)
                            ],
        combine=lambda preds: list(map(stack, zip(*preds)))
        ):
    preds = []
    for train, test in cv.split(X):
        m.fit(X[train, :], y[train])
        pred = predict(m, X[test, :])
        preds.append(pred)

    return combine(preds)

【讨论】：