我有一个数据集，我分成两个用于训练和测试随机森林分类器与scikit学习 .
我有87个 class 和344个样本 . 大多数情况下， predict_proba 的输出是一个三维数组 (87, 344, 2) （它实际上是 (344, 2) 的87个 numpy.ndarray 的 (344, 2) 元素） .
有时，当我选择不同的样本子集进行训练和测试时，我只得到一个二维数组 (87, 344) （尽管在哪些情况下我无法解决） .
我的两个问题是：
-
这些尺寸代表什么？我得出了得到ROC AUC分数，我必须得到输出的一半（即
(87, 344, 2)[:,:,1]，转置它，然后将它与我的基本事实（基本上是roc_auc_score(ground_truth, output_of_predict_proba[:,:,1].T)）进行比较 . 但我不明白它到底是什么手段 . -
为什么输出会随着数据的不同子集而变化？我无法理解它在哪种情况下返回3D数组，在哪种情况下返回2D数组 .
2 回答
classifier.predict_proba()返回类概率 . 数组的n维度将根据您训练的子集中的类别而有所不同您确定用于适合RF的阵列具有正确的形状吗？ （n_samples，n_features）用于数据，（n_samples）用于目标类 . 在你的情况下你应该得到一个数组Y_pred的形状（n_samples，n_classes）so（344,87），其中行r的项目i是样本X [r，：]的类i的预测概率 . 请注意
sum( Y_pred[r,:] ) = 1.但是我想如果你的目标数组Y有形状（n_samples，n_classes），其中每一行都是零，除了一个对应于样本类的一行，那么sklearn将它作为一个多输出预测问题（单独考虑每个类）但我不认为那是你想做的 . 在这种情况下，对于每个类和每个样本，您将预测属于该类的概率 .
最后，输出确实取决于训练集，因为它取决于类的数量（在训练集中） . 您可以使用属性
n_classes获取它（并且您也可以通过手动设置强制类的数量），并且还可以使用属性classes获取类的值 . 见documentation .希望能帮助到你 ！