如何使用 skLearn 构建基线模型以预测具有多个值的 Y

Question

我有一个如下所示的示例数据框。我想建立一个基线模型来预测 y_combined 使用 X=df.filter(regex='x_'):

df = pd.DataFrame({
    'x_1':[0.1,0.2,0.1,0],
    'x_2':[0.5,0.1,0.3,0.4],
    'x_3':[0.2,0.1,0.6,0.1],
    'x_4':[0,0.5,0.2,0.3],
    'y_1': [0, 1, 1, 0],
    'y_2': [0, 0, 1, 0],
    'y_3': [0, 1, 0, 1],
    'y_combined': [np.array([0, 0, 0]), np.array([1, 0, 1]),
                   np.array([1, 1, 0]), np.array([0, 0, 1])]
})

我是基线模型构建的新手。要获取y_predicted，我应该如何使用strategy="constant" 指定DummyClassifer() 模型？还是我应该使用不同的策略？

例如，如果y_predicted = [1,1,1]，那么我将通过获取y_combined 和y_predicted 之间的平均质心来查看预测模型的执行情况。

Answer 1

我将在您想使用DummyClassifier 使用strategy='constant' 设置为多标签分类问题构建基线模型的前提下回答您的问题，其中输出等于y_combined 的df。在这种情况下，以下代码将起作用：

from sklearn.dummy import DummyClassifier
import numpy as np
import pandas as pd


X = pd.DataFrame({
    'x_1': [0.1,0.2,0.1,0],
    'x_2': [0.5,0.1,0.3,0.4],
    'x_3': [0.2,0.1,0.6,0.1],
    'x_4': [0,0.5,0.2,0.3]
})
y = np.array([[0, 0, 0], [1, 0, 1], [1, 1, 0], [0, 0, 1]])

clf = DummyClassifier(strategy='constant', constant=np.array([1, 1, 1]))
clf.fit(X, y)

请注意，当您使用strategy='constant' 时，您还必须声明应通过DummyClassifier 的constant=... 参数预测的常数值。您将看到基线模型现在将始终预测指定的常量值，无论输入如何：

y_pred = clf.predict(X)
print(y_pred)

# output
[[1 1 1]
 [1 1 1]
 [1 1 1]
 [1 1 1]]

由于您还询问了其他策略，您基本上可以选择DummyClassifier文档中提到的任何策略。正如用户指南中所述，它们都有共同的行为：

请注意，对于所有这些策略，predict 方法会完全忽略输入数据！