如何使用 skLearn 構建基線 model 以預測具有多個值的 Y

Question

我有一個如下所示的示例數據框。 我想建立一個基線 model 來預測y_combined使用X=df.filter(regex='x_') ：

df = pd.DataFrame({
    'x_1':[0.1,0.2,0.1,0],
    'x_2':[0.5,0.1,0.3,0.4],
    'x_3':[0.2,0.1,0.6,0.1],
    'x_4':[0,0.5,0.2,0.3],
    'y_1': [0, 1, 1, 0],
    'y_2': [0, 0, 1, 0],
    'y_3': [0, 1, 0, 1],
    'y_combined': [np.array([0, 0, 0]), np.array([1, 0, 1]),
                   np.array([1, 1, 0]), np.array([0, 0, 1])]
})

我是基線 model 大樓的新手。 要獲得y_predicted ，我應該如何使用strategy="constant"指定 DummyClassifer() model ？ 還是我應該使用不同的策略？

例如，如果y_predicted = [1,1,1] ，那么我將通過獲取y_combined和y_predicted之間的平均質心來查看預測 model 的執行情況。

Answer 1

我將在您想使用DummyClassifier使用strategy='constant'設置為多標簽分類問題構建基線 model 的前提下回答您的問題，其中 output 等於y_combined的df 。 在這種情況下，以下代碼將起作用：

from sklearn.dummy import DummyClassifier
import numpy as np
import pandas as pd


X = pd.DataFrame({
    'x_1': [0.1,0.2,0.1,0],
    'x_2': [0.5,0.1,0.3,0.4],
    'x_3': [0.2,0.1,0.6,0.1],
    'x_4': [0,0.5,0.2,0.3]
})
y = np.array([[0, 0, 0], [1, 0, 1], [1, 1, 0], [0, 0, 1]])

clf = DummyClassifier(strategy='constant', constant=np.array([1, 1, 1]))
clf.fit(X, y)

請注意，當您使用strategy='constant'時，您還必須 state 應該通過DummyClassifier的constant=...參數預測的常量值。 您將看到基線 model 現在將始終預測指定的常量值，無論輸入如何：

y_pred = clf.predict(X)
print(y_pred)

# output
[[1 1 1]
 [1 1 1]
 [1 1 1]
 [1 1 1]]

由於您還詢問了其他策略，因此您基本上可以選擇DummyClassifier文檔中提到的任何策略。 正如用戶指南中所述，它們都有一個共同的行為：

請注意，對於所有這些策略，predict 方法完全忽略了輸入數據！