是否有一种方法可以显示 VotingClassifier 对象中每个模型的准确度分数?
Is there a method to display accuracy scores for each and every model which are inside a VotingClassifier object?
我的问题是关于集成学习的。
我是 ML 领域的初学者,想知道是否存在一种方法可以为下面看到的投票分类器对象中的每个 ML 算法打印所有指标(例如准确性)。
我的意思是我用粗体写的输出:
- lr_model 精度 => 0.70
- lgb_model 精度 => 0.72
- xgb_model 精度 => 0.71
lr_model=LogisticRegression()
lgb_model=lgb.LGBMClassifier()
xgb_model=xgb.XGBClassifier()
model=VotingClassifier(estimators=[("lr",lr_model), ("lgbm",lgb_model),
("xgb",xgb_model)],voting='soft')
model.fit(X,y)
您可以通过 model.named_estimators_.{name}
访问模型的拟合子估计量。例如:
from sklearn.metrics import accuracy_score
y_pred = model.named_estimators_.lr.predict(x)
lr_accuracy=accuracy_score(y_true, y_pred)
此外,model.transform(X) return 每个分类器对所有 X 的“每个标签的概率”或“预测标签”,可以轻松计算每个分类器的任何指标。
我的问题是关于集成学习的。 我是 ML 领域的初学者,想知道是否存在一种方法可以为下面看到的投票分类器对象中的每个 ML 算法打印所有指标(例如准确性)。 我的意思是我用粗体写的输出:
- lr_model 精度 => 0.70
- lgb_model 精度 => 0.72
- xgb_model 精度 => 0.71
lr_model=LogisticRegression()
lgb_model=lgb.LGBMClassifier()
xgb_model=xgb.XGBClassifier()
model=VotingClassifier(estimators=[("lr",lr_model), ("lgbm",lgb_model),
("xgb",xgb_model)],voting='soft')
model.fit(X,y)
您可以通过 model.named_estimators_.{name}
访问模型的拟合子估计量。例如:
from sklearn.metrics import accuracy_score
y_pred = model.named_estimators_.lr.predict(x)
lr_accuracy=accuracy_score(y_true, y_pred)
此外,model.transform(X) return 每个分类器对所有 X 的“每个标签的概率”或“预测标签”,可以轻松计算每个分类器的任何指标。