[英]Sklearn ensemble model with result data instead of classifiers
例如, VotingClassifier期望一个估计器列表,但是在我的情况下,不同的估计器已经为训练数据集以及结果生成了结果(以每个可能的标签的概率形式,例如[0.8, 0.2, 0.0, 0.0]
0.8,0.2,0.0,0.0 [0.8, 0.2, 0.0, 0.0]
)数据集。 有没有办法使用它而不是实际的分类器?
如果已经计算出概率,则可以使用简单的等效numpy代码。 请注意,您需要将示例推广到具有许多预测的情况:)
import numpy as np
class_1 = [0.5, 0.4, 0.1, 0.0]
class_2 = [0.0, 0.4, 0.6, 0.0]
class_3 = [0.5, 0.4, 0.05, 0.05]
class_combined = np.array([class_1, class_2, class_3])
class_combined
# VotingClassifier(voting='hard')
hard_voting = np_matrix.argmax(axis=1)
hard = np.bincount(voting).argmax()
0
# VotingClassifier(voting='soft')
soft_sum = class_combined.sum(axis=0)
soft = soft_sum.argmax()
1
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.