Описание тега make-scorer

1 ответ

Как передать аргументы f1_score в make_scorer в scikit, научиться использовать с cross_val_score?

У меня проблема с множественной классификацией (со многими ярлыками), и я хочу использовать оценку F1 со "средним" = "взвешенным". Что-то я делаю не так. Вот мой код: from sklearn.metrics import f1_score from sklearn.metrics import make_scorer f1 = …
0 ответов

Почему оценка GridSearchCV отличается от оценки его лучшего оценщика после подбора?

Я пытаюсь реализовать корреляцию Пирсона как функцию потерь для проблемы регрессии, используя "make_scorer" из sklearn, и до сих пор я определял свою метрику как: from sklearn.metrics import make_scorer import numpy as np import pandas as pd from sk…
1 ответ

использование перекрестной проверки для расчета специфичности

Я хочу использовать перекрестную проверку для расчета специфичности. Я нашел код для вычисления точности, на самом деле, f1-score и точности. но я не смог найти конкретики. например, код для f1-score выглядит так: cross_val_score(SVC, X, y, scoring=…
1 ответ

Что такое check_scoring в sklearn.metrics?

Что такое check_scoring в sklearn.metrics, как это работает и в чем его отличие от make_scorer?
06 май '21 в 20:53
3 ответа

Настройте kenlm для Windows

Официальный сайт ясно дает понять, что нет поддержки kenlmв Windows. В репозитории github есть тег Windows, но, похоже, он тут же поддерживается несколькими случайными участниками. Как тогда настроить kenlm для Windows?
27 фев '21 в 19:08
0 ответов

make_scorer в перекрестной проверке с многомерным выводом из классификатора

Я пытаюсь выполнить перекрестную проверку с помощью настраиваемой функции подсчета очков. Сложность в том, что мне нужен многомерный вывод моего классификатора в моей scorer_function как y_pred. В документации make_scorer сказано, что только двоичны…
0 ответов

Scikit-learn проблема с пользовательской метрикой make_scorer

Я провожу анализ оттока. я использовал randomcv = RandomizedSearchCV(estimator=clf,param_distributions = params_grid, cv=kfoldcv,n_iter=100, n_jobs=-1, scoring='roc_auc') и все было хорошо, но потом я попробовал использовать настраиваемую функцию оц…
1 ответ

['kenlm/build/bin/build_binary', '-a', '255', '-q', '8', '-v', 'trie', 'lm_filtered.arpa', '/content/lm. двоичный ']' вернул ненулевой статус выхода 1

Во время сборки lm binay для создания модели глубокой речи бомбардира я снова и снова получал следующую ошибку: subprocess.CalledProcessError: Command '['/content/kenlm/build/bin/build_binary', '-a', '255', '-q', '8', '-v', 'trie', '/content/lm_filt…
0 ответов

Как работает make_scorer при использовании настраиваемых потерь с прогнозируемыми вероятностями в скоринге GridSearchCV?

Я использовал пользовательскую функцию потерь в качестве метода оценки в GridSearchCV. Мой набор данных классифицирован двоично, и я предсказываю на его основе вероятности, поэтому я установил needs_proba=True в . def custom_loss(y_true, y_pred): re…
27 окт '21 в 21:29
1 ответ

Ошибка с precision_score классификатора XGBoost с RandomizedSearchCV

Пытаюсь сделать классификатор с помощью XGBoost, подгоняю его с помощью RandomizedSearchCV. Вот код моей функции: def xgboost_classifier_rscv(x,y): from scipy import stats from xgboost import XGBClassifier from sklearn.metrics import fbeta_score, ma…
0 ответов

sklearn извлекает «знак бомбардира» из объекта GridSearch

У меня есть ситуация, когда я могу динамически передавать некоторые бомбардиры объекту поиска сетки либо в виде строк (= accuracy), а также пользовательские счетчики, созданные с помощью make_scorer где параметр greater_is_better возможно True или F…
0 ответов

Как использовать средний балл F1 в GridSearchCV с OneVsRestClassifier?

У меня проблема несбалансированной классификации с несколькими метками, и я использую (упрощенный) код ниже для определения гиперпараметров. # Pipeline pipeline = Pipeline([ ('clf', OneVsRestClassifier(LogisticRegression())) ]) # Parameters to test …
1 ответ

Коэффициент корреляции Мэтью и точность выдают ошибки в RandomizedSearchCV

Я продолжаю получать эту ошибку: invalid value encountered in double_scalars: mcc = cov_ytyp / np.sqrt(cov_ytyt * cov_ypyp) Что-то не так с тем, как я реализовал это в пользовательском счетчике? parameters_XG = {'n_estimators': np.arange(50, 500, 50…
1 ответ

В чем разница между need_proba и need_threshold в функции make_scorer scikit-learn?

Разница между ними не очень хорошо объяснена в make_scorerдокументация. Я заметил, что если needs_probaили установлено значение True, функция подсчета очков получает pred_probaвместо y_pred. Однако установить их оба в True невозможно. Выдает ошибку …
17 мар '22 в 09:44
0 ответов

Использование make_scorer в GridSearchCV для оценки на основе отзыва в положительном классе

я пытаюсь использовать Sklearnдля проблемы двоичной классификации (первоначально проблема с несколькими классами, но у меня были проблемы, о которых спрашивали здесь , поэтому я решил упростить до двоичной цели). Короче говоря, у меня есть наблюдени…
0 ответов

Получение следующей ошибки при создании языкового счетчика на Deepspeech

Файл «generate_scorer_package», строка 1SyntaxError: Код не-UTF-8, начинающийся с «\xea» в файле generate_scorer_package в строке 2, но кодировка не объявлена; подробности см. на http://python.org/dev/peps/pep-0263/ .
16 июн '22 в 04:40
0 ответов

Составная метрика производительности для моделей классификации, переданных в GridSearchCV

def composite_metric(model, x, y_true, λ): y_predicted = model.predict(x) y_proba = model.predict_proba(x) composite = λ/2*matthews_corrcoef(y_true,y_predicted) + \ λ/2*roc_curve(y_true, y_proba) + \ λ*neg_pred_value(y_true,y_predicted) return comp…
0 ответов

Ошибка «Нет атрибута» при использовании oob_score_ со случайным классификатором леса в поиске по сетке с использованием функции make_scorer для средства оценки oob_error

Я хотел бы использовать ошибку oob в качестве метода оценки для моего классификатора случайного леса при поиске по сетке. Я читал, что это можно сделать с помощью make_scorer, но я продолжаю получать ошибки. Этот код работает, если я удаляю бомбарди…
03 май '23 в 20:34