Scikit-学习predict_proba的RandomForestClassifier输出

Question

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个班级和344个样本。 的输出predict_proba是，大部分的时间，一个3维阵列(87, 344, 2)它实际上是一个list的87 numpy.ndarray第(344, 2)的元素）。

有时候，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进行比较（ roc_auc_score(ground_truth, output_of_predict_proba[:,:,1].T)本质上。但我不明白它的真正含义。
• 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。

Answer 1

classifier.predict_proba()返回类概率。 数组的n维度将根据您训​​练的子集中有多少个类而有所不同

Answer 2

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。 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）但我不认为这是你想做的。 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。 请参阅文档 。

希望能帮助到你 ！