RandomForestClassifier 为多标签 类 提供转置输出
RandomForestClassifier give transposed output for multi-label classes
出于某种原因，每当我 运行 一个 ensemble.RandomForestClassifier() 并使用 .predict_proba() 方法时，它 returns 一个形状为 [=15= 的二维数组] 而不是它应该 per the docs.
的 [n_samples, n_classes] 形状
这是我的示例代码：
# generate some sample data
X = np.array([[4, 5, 6, 7, 8],
[0, 5, 6, 2, 3],
[1, 2, 6, 5, 8],
[6, 1, 1, 1, 3],
[2, 5, 3, 2, 0]])
»» X.shape
(5, 5)
y = [['blue', 'red'],
['red'],
['red', 'green'],
['blue', 'green'],
['orange']]
X_test = np.array([[4, 6, 1, 2, 8],
[0, 0, 1, 5, 1]])
»» X_test.shape
(2, 5)
# binarize text labels
mlb = preprocessing.MultiLabelBinarizer()
lb_y = mlb.fit_transform(y)
»» lb_y
[[1 0 0 1]
[0 0 0 1]
[0 1 0 1]
[1 1 0 0]
[0 0 1 0]]
»» lb_y.shape
(5, 4)
到目前为止一切正常。但是当我这样做时：
rfc = ensemble.RandomForestClassifier(random_state=42)
rfc.fit(X, lb_y)
yhat_p = rfc.predict_proba(X_test)
»» yhat_p
[array([[ 0.5, 0.5],
[ 0.7, 0.3]]),
array([[ 0.4, 0.6],
[ 0.5, 0.5]]),
array([[ 0.7, 0.3],
[ 0.7, 0.3]]),
array([[ 0.7, 0.3],
[ 0.6, 0.4]])]
我的 yhat_p 尺码是 [n_classes, n_samples] 而不是 [n_samples, n_classes]。有人能告诉我为什么我的输出被转置了吗？注意：.predict() 方法工作得很好。
通过对数据进行二值化，您已经转换了问题，因此您现在可以执行四个单独的分类任务。这些任务中的每一个都有两个 类、0 和 1，其中 1 代表 "has this label"，0 代表 "doesn't have this label")。
文档中的格式有点奇怪，但它表示：
array of shape = [n_samples, n_classes], or a list of n_outputs such arrays if n_outputs > 1
由于您有四个输出，因此您会得到一个包含四个数组的列表。每个数组的形状都是 (2, 2)，因为每个输出有两个样本（即 X_test 中的两行）和两个 类（0 和 1）。文档中提到的 n_classes 是单个输出 类 的数量 ，而不是所有输出分类中 类 的总数正在做。 （returns 列表而不是单个数组的原因是不需要单独的分类具有相同数量的 类。您可以执行多输出分类任务，其中一个输出有两个类 另一个有 100 类.)
例如，列表中的第一个元素是
array([[ 0.5, 0.5],
[ 0.7, 0.3]]),
每一行给你 X_test 的相应行属于第一个分类任务中每个 类 的概率，这基本上是 "Is this item blue or not?" 因此第一行告诉你第一行 X_test 有 50% 的可能性不是蓝色，有 50% 的可能性是蓝色；第二行告诉你第二行 X_test 有 70% 的几率不是蓝色，有 30% 的几率是蓝色。
出于某种原因，每当我 运行 一个 ensemble.RandomForestClassifier() 并使用 .predict_proba() 方法时，它 returns 一个形状为 [=15= 的二维数组] 而不是它应该 per the docs.
[n_samples, n_classes] 形状
这是我的示例代码：
# generate some sample data
X = np.array([[4, 5, 6, 7, 8],
[0, 5, 6, 2, 3],
[1, 2, 6, 5, 8],
[6, 1, 1, 1, 3],
[2, 5, 3, 2, 0]])
»» X.shape
(5, 5)
y = [['blue', 'red'],
['red'],
['red', 'green'],
['blue', 'green'],
['orange']]
X_test = np.array([[4, 6, 1, 2, 8],
[0, 0, 1, 5, 1]])
»» X_test.shape
(2, 5)
# binarize text labels
mlb = preprocessing.MultiLabelBinarizer()
lb_y = mlb.fit_transform(y)
»» lb_y
[[1 0 0 1]
[0 0 0 1]
[0 1 0 1]
[1 1 0 0]
[0 0 1 0]]
»» lb_y.shape
(5, 4)
到目前为止一切正常。但是当我这样做时：
rfc = ensemble.RandomForestClassifier(random_state=42)
rfc.fit(X, lb_y)
yhat_p = rfc.predict_proba(X_test)
»» yhat_p
[array([[ 0.5, 0.5],
[ 0.7, 0.3]]),
array([[ 0.4, 0.6],
[ 0.5, 0.5]]),
array([[ 0.7, 0.3],
[ 0.7, 0.3]]),
array([[ 0.7, 0.3],
[ 0.6, 0.4]])]
我的 yhat_p 尺码是 [n_classes, n_samples] 而不是 [n_samples, n_classes]。有人能告诉我为什么我的输出被转置了吗？注意：.predict() 方法工作得很好。
通过对数据进行二值化，您已经转换了问题，因此您现在可以执行四个单独的分类任务。这些任务中的每一个都有两个 类、0 和 1，其中 1 代表 "has this label"，0 代表 "doesn't have this label")。
文档中的格式有点奇怪，但它表示：
array of shape = [n_samples, n_classes], or a list of n_outputs such arrays if n_outputs > 1
由于您有四个输出，因此您会得到一个包含四个数组的列表。每个数组的形状都是 (2, 2)，因为每个输出有两个样本（即 X_test 中的两行）和两个 类（0 和 1）。文档中提到的 n_classes 是单个输出 类 的数量 ，而不是所有输出分类中 类 的总数正在做。 （returns 列表而不是单个数组的原因是不需要单独的分类具有相同数量的 类。您可以执行多输出分类任务，其中一个输出有两个类 另一个有 100 类.)
例如，列表中的第一个元素是
array([[ 0.5, 0.5],
[ 0.7, 0.3]]),
每一行给你 X_test 的相应行属于第一个分类任务中每个 类 的概率，这基本上是 "Is this item blue or not?" 因此第一行告诉你第一行 X_test 有 50% 的可能性不是蓝色，有 50% 的可能性是蓝色；第二行告诉你第二行 X_test 有 70% 的几率不是蓝色，有 30% 的几率是蓝色。