是否可以为 scikit-learn 集成分类器设置“阈值”？答案

【问题标题】：Is it possible to set a "threshold" for a scikit-learn ensemble classifier?是否可以为 scikit-learn 集成分类器设置“阈值”？
【发布时间】：2019-01-23 20:46:54
【问题描述】：

我有一个由 200 个单独的 SVM 分类器组成的 VotingClassifier。默认情况下，此分类器使用多数规则投票。我想设置一个自定义阈值 - 仅当 60% 或更多的 SVM 分类器相同时才进行分类。

如果 59% 的 SVM 分类器具有相同的分类，我不希望集成模型进行分类。

我没有看到为 VotingClassifier 对象执行此操作的参数，但我认为它必须在 scikit-learn 中的某个地方是可能的。我应该使用不同的集成类吗？

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

根据您在页面末尾获得的方法，最简单的解决方案是使用转换方法：

def transform(self, X):
        """Return class labels or probabilities for X for each estimator.
        Parameters
        ----------
        X : {array-like, sparse matrix}, shape = [n_samples, n_features]
            Training vectors, where n_samples is the number of samples and
            n_features is the number of features.
        Returns
        -------
        If `voting='soft'` and `flatten_transform=True`:
          array-like = (n_classifiers, n_samples * n_classes)
          otherwise array-like = (n_classifiers, n_samples, n_classes)
            Class probabilities calculated by each classifier.
        If `voting='hard'`:
          array-like = [n_samples, n_classifiers]
            Class labels predicted by each classifier.
        """

只需执行一个简单的函数，将一行的总和除以 SVM 的数量并应用您的阈值：

if(ratio>threshold):
     return 1
elif(ratio<(1-threshold)):
     return 0
else:
     #we don't make the prediction
     return -1

【讨论】：