class 错误具有不同权重时的 multiclass classification 的自定义指标

Question

我有一个多类分类问题（例如，目标变量由 4 个不同的结果构成：产品 A、产品 B、产品 C 和无产品）。并非所有的错误都是平等的：例如，如果真实标签是 "Product A" 而预测是 "NO Product" 则问题不大，而如果真实标签是 "Product C" 则影响错误要大得多。基本上，我必须将这些信息插入到算法的损失函数中（我目前正在使用 Xg-Boost、Random Forest、ecc）。

关于如何在 Python 上的 scikit-learn 或其他 ML 库上实现它有什么想法吗？

Answer 1

假设这是您类的映射：

{'Product A':0, 'Product B':1, 'Product C':2, 'NO Product':3)}

然后从 sklearn.ensemble.RandomForestClassifier 文档中，使用 class_weight 如下：

rf = RandomForestClassifier(n_estimators = 100, class_weight = {0:1,1:1,2:2,3:1})

这会给'Product C'

更多的权重

class 错误具有不同权重时的 multiclass classification 的自定义指标

Custom metrics for multiclass classification when class errors have different weights

python

metrics

classification

machine-learning

scikit-learn