NumPy / Sklearn：在约束条件下获得最高行答案

【问题标题】：NumPy / Sklearn: Get Highest in Row Subject to ConstraintNumPy / Sklearn：在约束条件下获得最高行
【发布时间】：2018-08-07 12:43:44
【问题描述】：

我有一个二维 NumPy 数组scores，其中列代表类，行代表样本。 ith 行和jth 列代表样本i 和类j 的分数。

如果该类的分数超过该类 70% 精度所需的阈值，我想创建另一个 2d NumPy 数组，其中 scores[i, j] 为 1。如果有平局，我们会以最高分打破它们。在我的输出 2d NumPy 数组中，每行应该有一个 1 条目。

我可以通过遍历每一列（类）并使用 sklearn.metrics.precision_recall_curve 计算获得 70% 精度所需的阈值来做到这一点。然后我可以像这样遍历每一行：

new_matrix = np.zeros(scores.shape)        
for i, row in enumerate(scores):
    max_score = 0
    max_index = -1
    for i, score in enumerate(row):
        if score > get_threshold(i) and score > max_score:
            max_score = score
            max_index = i
    if max_index != -1:
        new_matrix[i][max_index] = 1

1) 有没有办法可以将其向量化而不是使用 for 循环？

2) 是否有执行上述操作的库代码？我浏览了sklearn 文档，但我发现最接近的是precision_recall_curve，它适用于每个类，而不是每个二维 NumPy 数组。

谢谢！

【问题讨论】：

标签： python numpy scikit-learn

【解决方案1】：

IIUC，下面的代码应该可以工作。但我不确定是否有更好的方法，仅供参考

s = scores.copy()
# mask scores which don't meet the thresholds, assuming original scores are non-negative
s[s <= thresholds] = -1

new_matrix = np.zeros(scores.shape)
new_matrix[np.arange(scores.shape[0]), s.argmax(axis=1)] = 1
new_matrix[s == -1] = 0

thresholds 以上类似于np.array([get_threshold(i) for i in range(scores.shape[1])])

【讨论】：