我正在尝试使用 sklearn 的 cross_val_score 函数 ( http://scikit-learn.org/stable/modules/cross_validation.html ) 进行多标签分类。
scores = cross_validation.cross_val_score(clf, X_train, y_train,
cv = 10, scoring = make_scorer(f1_score, average = None))
我想要返回每个标签的 F1 分数。这种方法适用于第一次折叠,但之后立即出现错误:
ValueError: scoring must return a number, got [ 0.55555556 0.81038961 0.82474227 0.67153285 0.76494024 0.89087657 0.93502377 0.11764706 0.81611208] (<type 'numpy.ndarray'>)
我假设出现此错误是因为 cross_val_score 需要返回一个数字。有没有其他方法可以使用 cross_val_score 来获取每个标签的 F1 分数?
最佳答案
我通过对 .../scikit-learn/sklearn/cross_validation.py 进行一些更改解决了这个问题。更具体地说,我注释掉了这些行:
1651 if not isinstance(score, numbers.Number):
1652 raise ValueError("scoring must return a number, got %s (%s) instead."
1653 % (str(score), type(score)))
这消除了类型是否为数字的检查,从而允许传递 numpy 数组。
关于python - 如何使用 Sklearn 的 cross_validation(多标签分类)获得每个标签的 F1 分数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37814952/