我需要使用3倍交叉验证训练Random Forest classifier.对于每个样本,我需要在它恰好位于测试集中时检索预测概率.
我正在使用scikit-learn版本0.18.dev0.
此新版本添加了使用方法cross_val_predict()和附加参数方法来定义估计器需要哪种预测的功能.
在我的情况下,我想使用predict_proba()方法,它返回多类方案中每个类的概率.
但是,当我运行该方法时,我得到预测概率矩阵,其中每行代表一个样本,每列代表特定类的预测概率.
问题是该方法没有指出哪个类对应于每列.
我需要的值与属性classes_中返回的相同(在我的情况下使用RandomForestClassifier)定义为:
classes_ : array of shape = [n_classes] or a list of such arrays
The classes labels (single output problem), or a list of arrays of class labels (multi-output problem).
这是predict_proba()所需要的,因为在其文档中写道:
The order of the classes corresponds to that in the attribute classes_.
最小的例子如下:
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_predict
clf = RandomForestClassifier()
X = np.random.randn(10, 10)