多类别分类和概率预测

Question

import pandas as pd
import numpy
from sklearn import cross_validation
from sklearn.naive_bayes import GaussianNB

fi = "df.csv"
# Open the file for reading and read in data
file_handler = open(fi, "r")
data = pd.read_csv(file_handler, sep=",")
file_handler.close()

# split the data into training and test data
train, test = cross_validation.train_test_split(data,test_size=0.6, random_state=0)
# initialise Gaussian Naive Bayes
naive_b = GaussianNB()


train_features = train.ix[:,0:127]
train_label = train.iloc[:,127]

test_features = test.ix[:,0:127]
test_label = test.iloc[:,127]

naive_b.fit(train_features, train_label)
test_data = pd.concat([test_features, test_label], axis=1)
test_data["p_malw"] = naive_b.predict_proba(test_features)

print "test_data\n",test_data["p_malw"]
print "Accuracy:", naive_b.score(test_features,test_label)

我已编写此代码以接受来自具有128列的csv文件的输入，其中127列是要素，第128列是类标签。

我想预测样本属于每个类别的概率（有5个类别（1-5）），并打印成矩阵形式，然后根据预测确定样本的类别。 Forecast_proba（）没有提供所需的输出。 请提出所需的更改。

Answer 1

GaussianNB.predict_proba返回模型中每个类的样本概率。 在您的情况下，它应返回一个包含五列的结果，该列的行数与测试数据中的行数相同。 您可以使用naive_b.classes_验证哪一列对应于哪个类。 因此，不清楚为什么要说这不是所需的输出。 也许，您的问题来自以下事实：您正在将预测Proba的输出分配给数据帧列。 尝试：

pred_prob = naive_b.predict_proba(test_features)

代替

test_data["p_malw"] = naive_b.predict_proba(test_features)

并使用pred_prob.shape验证其形状。 第二个维度应为5。

如果需要每个样本的预测标签，则可以使用预测方法，然后使用混淆矩阵来查看已正确预测了多少个标签。

from sklearn.metrics import confusion_matrix

naive_B.fit(train_features, train_label)

pred_label = naive_B.predict(test_features)

confusion_m = confusion_matrix(test_label, pred_label)
confusion_m

这是一些有用的读物​​。

sklearn GaussianNB- http: //scikit-learn.org/stable/modules/generation/sklearn.naive_bayes.GaussianNB.html#sklearn.naive_bayes.GaussianNB.predict_proba

sklearn confusion_matrix- http: //scikit-learn.org/stable/modules/generation/sklearn.metrics.confusion_matrix.html