如何利用sklearn的SGDClassifier获得前3位或前N位的预测
如何利用sklearn的SGDClassifier获得前3位或前N位的预测
提问于 2015-09-08 15:05:55
from sklearn.feature_extraction.text import TfidfVectorizer
import numpy as np
from sklearn import linear_model
arr=['dogs cats lions','apple pineapple orange','water fire earth air', 'sodium potassium calcium']
vectorizer = TfidfVectorizer()
X = vectorizer.fit_transform(arr)
feature_names = vectorizer.get_feature_names()
Y = ['animals', 'fruits', 'elements','chemicals']
T=["eating apple roasted in fire and enjoying fresh air"]
test = vectorizer.transform(T)
clf = linear_model.SGDClassifier(loss='log')
clf.fit(X,Y)
x=clf.predict(test)
#prints: elements在上面的代码中，clf.predict()只为列表X中的一个样本打印了一个最佳预测。我对predict_proba/predict_log_proba列表中某个特定样本的3预测感兴趣，我知道函数返回列表Y中每个功能的所有概率列表，但在获得前3项结果之前，它必须排序并与列表Y中的特性关联。有什么直接有效的方法吗？
回答 6
Stack Overflow用户
回答已采纳
发布于 2015-09-10 00:20:16
没有内置功能，但是有什么问题吗？
probs = clf.predict_proba(test)
best_n = np.argsort(probs, axis=1)[-n:]正如其中一条注释所建议的，应该将[-n:]更改为[:,-n:]
probs = clf.predict_proba(test)
best_n = np.argsort(probs, axis=1)[:,-n:]Stack Overflow用户
发布于 2018-02-01 21:31:00
我知道这是answered...but，我可以多加一点.
#both preds and truths are same shape m by n (m is number of predictions and n is number of classes)
def top_n_accuracy(preds, truths, n):
best_n = np.argsort(preds, axis=1)[:,-n:]
ts = np.argmax(truths, axis=1)
successes = 0
for i in range(ts.shape[0]):
if ts[i] in best_n[i,:]:
successes += 1
return float(successes)/ts.shape[0]它又快又脏，但我觉得它很有用。我们可以添加自己的错误检查，等等。
Stack Overflow用户
发布于 2017-08-09 19:05:31
希望Andreas能在这方面有所帮助。当丢失=‘铰链’时，predict_probs不可用。当损失=‘铰链’时，要获得最高的n级：
calibrated_clf = CalibratedClassifierCV(clfSDG, cv=3, method='sigmoid')
model = calibrated_clf.fit(train.data, train.label)
probs = model.predict_proba(test_data)
sorted( zip( calibrated_clf.classes_, probs[0] ), key=lambda x:x[1] )[-n:]不确定clfSDG.predict和calibrated_clf.predict是否总是预测同一个类。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/32461246
复制相关文章
相似问题
腾讯云开发者
