以类概率为目标的核外多类分类器[重复]

Question

我正在从事一个项目，我想使用 scikit-learn 来训练一个核外多类分类器。预测目标是一个类概率概率数组，例如

Y = [[0.1, 0.5, 0.4],
     [0.8, 0.1, 0.1],
     [0.2, 0.1, 0.7],
     [0.2, 0.2, 0.6], ...]

换句话说，Y 被标准化，使得Y.sum(axis=1) = [1, 1, 1, 1, ...]。

我注意到 scikit-learn 有 OneVsRestClassifier 包装类，我认为这可能会有所帮助。只要底层二进制分类器也支持它，它似乎支持partial_fit（我会使用SGDClassifier）。

但是，当我将这个目标 Y 输入分类器时，我收到一些关于在第一次调用 partial_fit 时必须传递类的错误：

from sklearn.multiclass import OneVsRestClassifier
from sklearn.linear_model import SGDClassifier

clf = OneVsRestClassifier(SGDClassifier())
clf.partial_fit(X, Y)  # raises ValueError

错误显示为“必须在第一次调用 partial_fit 时传递类”。所以我尝试传递一个类标签数组：

clf.partial_fit(X, Y, classes=[0, 1, 2])  # raises another ValueError

这会引发另一个错误，指出 [0.1, 0.5, ...] 不在类 [0, 1, 2] 中。

我也尝试了批处理fit 方法，但似乎也没有针对该方法实现。

问题

有谁知道这在 scikit-learn 中是否可行？如果是这样，你会怎么做？

Answer 1

这引发了另一个错误，指出 [0.1, 0.5, ...] 不在类 [0, 1, 2] 中

Y 应该是一个形状为 (n_samples,) 的向量。由于您唯一的classes 是[0,1,2]，partial_fit() 预计这些值会出现在Y 中。

如果最大概率决定了您的输出类别，您可以将训练集 Y 修改为 Y = np.amax(Y, axis=1) 并将其传递给 partial_fit()。

希望这会有所帮助。