Dal momento della stesura di questo post scikit-learn ha aggiornato e reso la mia risposta obsoleto, vedere la soluzione molto più pulito di sotto
È possibile scrivere la propria funzione di punteggio per catturare tutti e tre i pezzi di informazioni, tuttavia una funzione di calcolo del punteggio per la convalida incrociata deve solo restituire un numero singolo in
scikit-learn
(ciò è probabile per motivi di compatibilità). Di seguito è riportato un esempio in cui ciascuno dei punteggi per ogni sezione di convalida incrociata viene stampato sulla console e il valore restituito è solo la somma delle tre metriche. Se si desidera restituire tutti questi valori, è necessario apportare alcune modifiche a
cross_val_score
(riga 1351 di cross_validation.py) e a
_score
(riga 1601 o allo stesso file).
from sklearn.svm import SVC
from sklearn.naive_bayes import GaussianNB
from sklearn.tree import DecisionTreeClassifier
from sklearn.cross_validation import cross_val_score
import time
from sklearn.datasets import load_iris
from sklearn.metrics import accuracy_score, precision_score, recall_score
iris = load_iris()
models = [GaussianNB(), DecisionTreeClassifier(), SVC()]
names = ["Naive Bayes", "Decision Tree", "SVM"]
def getScores(estimator, x, y):
yPred = estimator.predict(x)
return (accuracy_score(y, yPred),
precision_score(y, yPred, pos_label=3, average='macro'),
recall_score(y, yPred, pos_label=3, average='macro'))
def my_scorer(estimator, x, y):
a, p, r = getScores(estimator, x, y)
print a, p, r
return a+p+r
for model, name in zip(models, names):
print name
start = time.time()
m = cross_val_score(model, iris.data, iris.target,scoring=my_scorer, cv=10).mean()
print '\nSum:',m, '\n\n'
print 'time', time.time() - start, '\n\n'
Che dà:
Naive Bayes
0.933333333333 0.944444444444 0.933333333333
0.933333333333 0.944444444444 0.933333333333
1.0 1.0 1.0
0.933333333333 0.944444444444 0.933333333333
0.933333333333 0.944444444444 0.933333333333
0.933333333333 0.944444444444 0.933333333333
0.866666666667 0.904761904762 0.866666666667
1.0 1.0 1.0
1.0 1.0 1.0
1.0 1.0 1.0
Sum: 2.86936507937
time 0.0249638557434
Decision Tree
1.0 1.0 1.0
0.933333333333 0.944444444444 0.933333333333
1.0 1.0 1.0
0.933333333333 0.944444444444 0.933333333333
0.933333333333 0.944444444444 0.933333333333
0.866666666667 0.866666666667 0.866666666667
0.933333333333 0.944444444444 0.933333333333
0.933333333333 0.944444444444 0.933333333333
1.0 1.0 1.0
1.0 1.0 1.0
Sum: 2.86555555556
time 0.0237860679626
SVM
1.0 1.0 1.0
0.933333333333 0.944444444444 0.933333333333
1.0 1.0 1.0
1.0 1.0 1.0
1.0 1.0 1.0
0.933333333333 0.944444444444 0.933333333333
0.933333333333 0.944444444444 0.933333333333
1.0 1.0 1.0
1.0 1.0 1.0
1.0 1.0 1.0
Sum: 2.94333333333
time 0.043044090271
Come di scikit-learn 0.19.0 la soluzione diventa molto più facile
from sklearn.model_selection import cross_validate
from sklearn.datasets import load_iris
from sklearn.svm import SVC
iris = load_iris()
clf = SVC()
scoring = {'acc': 'accuracy',
'prec_macro': 'precision_macro',
'rec_micro': 'recall_macro'}
scores = cross_validate(clf, iris.data, iris.target, scoring=scoring,
cv=5, return_train_score=True)
print(scores.keys())
print(scores['test_acc'])
che dà:
['test_acc', 'score_time', 'train_acc', 'fit_time', 'test_rec_micro', 'train_rec_micro', 'train_prec_macro', 'test_prec_macro']
[ 0.96666667 1. 0.96666667 0.96666667 1. ]
Vorrei provare ad implementare ciò che 'cross_val_score' sta facendo manualmente – Ryan
Uso di Python 3.6 questo esempio non funziona in quanto i dati di destinazione sono multiclasse ma la media di cross_val_score è impostata su 'binary'. Viene visualizzato il seguente errore: "ValoreErrore: il target è multiclasse ma medio = 'binario'. Scegli un'altra impostazione media." Come potrei risolvere il problema? Non riesco davvero a catalogarlo, vero? –
Ho usato Python 2.7. e sklearn 0.17. Penso che questo errore si verifichi in 0.18. Quale versione sklearn stai usando? –