将 OneClassSVM 与 cross_val_score 结合使用

Question

我想使用 cross_val_score 来验证我的 OneClassSVM 训练集。这样做会导致出现以下错误消息。

会不会因为OneClassSVM是无监督算法，没有"y"向量传递给cross_val_score，所以算法失败了？

clf = svm.OneClassSVM(nu=_nu, kernel=_kernel, gamma=_gamma, random_state=_random_state, cache_size=_cache_size)
scores = cross_val_score(estimator=clf, X=X_scaled, scoring='accuracy', cv=5)

PS：我意识到 "y" 向量在 cross_val_score 中是可选的。但是，这个错误仍然让我假设 "y" 向量导致了错误。

File "/usr/local/lib/python2.7/site-packages/sklearn/model_selection/_validation.py", line 140, in cross_val_score
    for train, test in cv_iter)
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 758, in __call__
    while self.dispatch_one_batch(iterator):
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 608, in dispatch_one_batch
    self._dispatch(tasks)
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 571, in _dispatch
    job = self._backend.apply_async(batch, callback=cb)
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/_parallel_backends.py", line 109, in apply_async
    result = ImmediateResult(func)
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/_parallel_backends.py", line 326, in __init__
    self.results = batch()
  File "/usr/local/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 131, in __call__
    return [func(*args, **kwargs) for func, args, kwargs in self.items]
  File "/usr/local/lib/python2.7/site-packages/sklearn/model_selection/_validation.py", line 260, in _fit_and_score
    test_score = _score(estimator, X_test, y_test, scorer)
  File "/usr/local/lib/python2.7/site-packages/sklearn/model_selection/_validation.py", line 286, in _score
    score = scorer(estimator, X_test)
TypeError: __call__() takes at least 4 arguments (3 given)

Answer 1

我假设您将 OneClassSVM 用于离群值检测原因（它是在 scikit 中实现的，而不是用于 class化任务）

documentation of cross_val_score 说 y:

y : array-like, optional, default: None

The target variable to try to predict in the case of supervised learning.

查看那里的“监督学习”。

所以当你这样做时：

clf = svm.OneClassSVM(nu=_nu, kernel=_kernel, gamma=_gamma, 
                      random_state=_random_state, cache_size=_cache_size)

scores = cross_val_score(estimator=clf, X=X_scaled, scoring='accuracy', cv=5)

你的假设是正确的 OneClassSVM 是一个无监督模型，它不需要 y 参数。到现在都还好。

但是您还将 scoring 参数设置为“准确度”。这就是错误的来源。当您使用字符串“accuracy”时，将使用默认的 [accuracy_score] (http://scikit-learn.org/stable/modules/generated/sklearn.metrics.accuracy_score.html) 指标，其签名为：

accuracy_score(y_true, y_pred, ... ...)

那里需要实际和预测的 y（不是可选的），这会强制 cross_val_score 检查是否提供了 y，因此会出现错误。

希望你明白我的意思。

解法：

如 this answer here 中所述，“在 one-class SVM 中，准确性的概念不合适。”但是，如果您仍然打算使用“准确性”，那么您需要为提供的数据准备好基本事实 y。基本上 y 应该由 +1 或 -1 组成，具体取决于实际样本是异常值还是异常值。

为什么我使用 +1 和 -1 是因为，OneClassSVM.predict() 将 return 这样的值：

predict(X)

Perform regression on samples in X. For an one-class model, +1 or -1 is returned.

否则您需要找到任何其他评分指标，它可以为您的预测 X（没有实际的基本事实 y）提供一些有意义的分数，或者设计您自己的评分方法来计算数据的异常值检测。

如果需要更多帮助，请随时询问。

将 OneClassSVM 与 cross_val_score 结合使用

Use of OneClassSVM with cross_val_score

python

scikit-learn

svm

cross-validation