我正在使用scikit对垃圾邮件/火腿数据进行逻辑回归 . X_train是我的训练数据和y_train标签('垃圾邮件'或'火腿'),我训练我的LogisticRegression:
classifier = LogisticRegression()
classifier.fit(X_train, y_train)
如果我想获得10倍交叉验证的准确度,我只想写:
accuracy = cross_val_score(classifier, X_train, y_train, cv=10)
我认为通过这种方式简单地添加一个参数也可以计算精度和召回率:
precision = cross_val_score(classifier, X_train, y_train, cv=10, scoring='precision')
recall = cross_val_score(classifier, X_train, y_train, cv=10, scoring='recall')
但它导致 ValueError
:
ValueError: pos_label=1 is not a valid label: array(['ham', 'spam'], dtype='|S4')
它与数据有关(我应该对标签进行二值化吗?)还是更改 cross_val_score
函数?
先感谢您 !
4 回答
我在这里遇到了同样的问题,我用它解决了
您在上面显示的语法是正确的 . 看起来您正在使用的数据存在问题 . 标签不需要二值化,只要它们不是连续数字 .
您可以使用不同的数据集证明相同的语法:
您可以使用这样的交叉验证来获得f1分数并回忆:
更多得分参数,请参阅the page
要计算召回率和精度,数据必须确实是二值化的,这样:
为了更进一步,当我想计算准确度时,我不必对数据进行二值化:
这只是因为准确度公式并不真正需要关于哪个类被认为是正或负的信息:(TP TN)/(TP TN FN FP) . 我们确实可以看到TP和TN是可交换的,回忆,精度和f1都不是这样 .