производительность мультиклассового классификатора с использованием 3-х самых высоких вероятностей - PullRequest
Новая
       32

производительность мультиклассового классификатора с использованием 3-х самых высоких вероятностей

0 голосов
/ 13 июня 2018

У меня есть pandas dataframe, как показано ниже 

predictions.head()
Out[22]: 
          A    B         C    D    E         G    H         L         N  \
0  0.718363  0.5  0.403466  0.5  0.5  0.458989  0.5  0.850190  0.620878   
1  0.677776  0.5  0.366128  0.5  0.5  0.042405  0.5  0.894200  0.510644   
2  0.682019  0.5  0.074347  0.5  0.5  0.562217  0.5  0.417786  0.539949   
3  0.482981  0.5  0.065436  0.5  0.5  0.112383  0.5  0.743659  0.604382   
4  0.700207  0.5  0.515825  0.5  0.5  0.078089  0.5  0.437839  0.249892   

          P         R         S         U    V LABEL  
0  0.182169  0.483631  0.432915  0.328495  0.5     A  
1  0.015789  0.523462  0.547838  0.691239  0.5     L  
2  0.799223  0.603212  0.620806  0.335204  0.5     G  
3  0.246766  0.399070  0.341081  0.229407  0.5     P  
4  0.064734  0.822834  0.769277  0.512239  0.5     U

Каждая строка представляет собой вероятность предсказания различных классов (столбцов).Последний столбец - это метка (правильный класс).

Я хотел бы оценить производительность классификаторов, допускающих 2 ошибки.Я имею в виду, что если одна из трех самых высоких вероятностей является верной меткой, я считаю прогноз верным.Есть ли умный способ сделать это в scikit-learn?

Ответы [ 3 ]

0 голосов
/ 13 июня 2018

Я не могу придумать решение в sklearn, вот оно в пандах 

# Data
predictions
Out[]:
          A    B         C    D    E         G    H         L         N         P         R         S         U    V LABEL
0  0.718363  0.5  0.403466  0.5  0.5  0.458989  0.5  0.850190  0.620878  0.182169  0.483631  0.432915  0.328495  0.5     A
1  0.677776  0.5  0.366128  0.5  0.5  0.042405  0.5  0.894200  0.510644  0.015789  0.523462  0.547838  0.691239  0.5     L
2  0.682019  0.5  0.074347  0.5  0.5  0.562217  0.5  0.417786  0.539949  0.799223  0.603212  0.620806  0.335204  0.5     G
3  0.482981  0.5  0.065436  0.5  0.5  0.112383  0.5  0.743659  0.604382  0.246766  0.399070  0.341081  0.229407  0.5     P
4  0.700207  0.5  0.515825  0.5  0.5  0.078089  0.5  0.437839  0.249892  0.064734  0.822834  0.769277  0.512239  0.5     U

# Check if the label is in the top 3 (one line solution)
predictions.apply(lambda row: row['LABEL'] in list(row.drop('LABEL').sort_values().tail(3).index), axis=1)

Out[]: 
0     True
1     True
2    False
3    False
4    False

Вот что происходит: 

# List the top 3 results:
predictions.apply(lambda row: list(row.drop('LABEL').sort_values().tail(3).index), axis=1)

Out[]:
0    [N, A, L]
1    [A, U, L]
2    [S, A, P]
3    [V, N, L]
4    [A, S, R]

# Then check if the 'LABEL' is inside this list

Вы можете задать этот вопрос на Cross Validated , так как они будут широко использовать sklearn

0 голосов
/ 13 июня 2018

Если важна производительность, используйте numpy.argsort с удалением последнего столбца на iloc: 

print (np.argsort(-df.iloc[:, :-1].values, axis=1)[:,:3])
[[ 7  0  8]
 [ 7 12  0]
 [ 9  0 11]
 [ 7  8  1]
 [10 11  0]]

v = df.columns[np.argsort(-df.iloc[:, :-1].values, axis=1)[:,:3]]
print (v)
Index([['L', 'A', 'N'], ['L', 'U', 'A'], ['P', 'A', 'S'], ['L', 'N', 'B'],
       ['R', 'S', 'A']],
      dtype='object')

a = pd.DataFrame(v).eq(df['LABEL'], axis=0).any(axis=1)
print (a)
0     True
1     True
2    False
3    False
4    False
dtype: bool

Спасибо, @Maxu за другое подобное решение с numpy.argpartition: 

v = df.columns[np.argpartition(-df.iloc[:, :-1].values, 3, axis=1)[:,:3]]

Пример данных: 

df = pd.DataFrame({'A': [0.718363, 0.677776, 0.6820189999999999, 0.48298100000000005, 0.700207], 'B': [0.5, 0.5, 0.5, 0.5, 0.5], 'C': [0.403466, 0.366128, 0.074347, 0.06543600000000001, 0.515825], 'D': [0.5, 0.5, 0.5, 0.5, 0.5], 'E': [0.5, 0.5, 0.5, 0.5, 0.5], 'G': [0.45898900000000004, 0.042405, 0.562217, 0.112383, 0.07808899999999999], 'H': [0.5, 0.5, 0.5, 0.5, 0.5], 'L': [0.85019, 0.8942, 0.417786, 0.7436590000000001, 0.43783900000000003], 'N': [0.6208779999999999, 0.510644, 0.539949, 0.604382, 0.249892], 'P': [0.182169, 0.015788999999999997, 0.7992229999999999, 0.24676599999999999, 0.064734], 'R': [0.48363100000000003, 0.523462, 0.603212, 0.39907, 0.8228340000000001], 'S': [0.43291499999999994, 0.547838, 0.6208060000000001, 0.34108099999999997, 0.769277], 'U': [0.328495, 0.691239, 0.335204, 0.22940700000000003, 0.512239], 'V': [0.5, 0.5, 0.5, 0.5, 0.5], 'LABEL': ['A', 'L', 'G', 'P', 'U']})

print (df)
          A    B         C    D    E         G    H         L         N  \
0  0.718363  0.5  0.403466  0.5  0.5  0.458989  0.5  0.850190  0.620878   
1  0.677776  0.5  0.366128  0.5  0.5  0.042405  0.5  0.894200  0.510644   
2  0.682019  0.5  0.074347  0.5  0.5  0.562217  0.5  0.417786  0.539949   
3  0.482981  0.5  0.065436  0.5  0.5  0.112383  0.5  0.743659  0.604382   
4  0.700207  0.5  0.515825  0.5  0.5  0.078089  0.5  0.437839  0.249892   

          P         R         S         U    V LABEL  
0  0.182169  0.483631  0.432915  0.328495  0.5     A  
1  0.015789  0.523462  0.547838  0.691239  0.5     L  
2  0.799223  0.603212  0.620806  0.335204  0.5     G  
3  0.246766  0.399070  0.341081  0.229407  0.5     P  
4  0.064734  0.822834  0.769277  0.512239  0.5     U
0 голосов
/ 13 июня 2018

Попробуйте этот подход: 

In [57]: x = df.drop('LABEL',1).T.apply(lambda x: x.nlargest(3).index).T

In [58]: x
Out[58]:
   0  1  2
0  L  A  N
1  L  U  A
2  P  A  S
3  L  N  B
4  R  S  A

In [59]: x.eq(df.LABEL, axis=0).any(1)
Out[59]:
0     True
1     True
2    False
3    False
4    False
dtype: bool

аналогичное решение, которое использует один transpose меньше: 

In [66]: x = df.drop('LABEL',1).T.apply(lambda x: x.nlargest(3).index)

In [67]: x
Out[67]:
   0  1  2  3  4
0  L  L  P  L  R
1  A  U  A  N  S
2  N  A  S  B  A

In [68]: x.eq(df.LABEL).any()
Out[68]:
0     True
1     True
2    False
3    False
4    False
dtype: bool

Источник DF: 

In [70]: df
Out[70]:
          A    B         C    D    E         G    H         L         N         P         R         S         U    V LABEL
0  0.718363  0.5  0.403466  0.5  0.5  0.458989  0.5  0.850190  0.620878  0.182169  0.483631  0.432915  0.328495  0.5     A
1  0.677776  0.5  0.366128  0.5  0.5  0.042405  0.5  0.894200  0.510644  0.015789  0.523462  0.547838  0.691239  0.5     L
2  0.682019  0.5  0.074347  0.5  0.5  0.562217  0.5  0.417786  0.539949  0.799223  0.603212  0.620806  0.335204  0.5     G
3  0.482981  0.5  0.065436  0.5  0.5  0.112383  0.5  0.743659  0.604382  0.246766  0.399070  0.341081  0.229407  0.5     P
4  0.700207  0.5  0.515825  0.5  0.5  0.078089  0.5  0.437839  0.249892  0.064734  0.822834  0.769277  0.512239  0.5     U

ОБНОВЛЕНИЕ: пытается воспроизвести ошибку (из комментариев): 

In [81]: df
Out[81]:
   a  b  c  d  e LABEL
0  1  2  3  4  5     c
1  3  4  5  6  7     d

In [82]: x = df.drop('LABEL',1).T.apply(lambda x: x.nlargest(3).index)

In [83]: x
Out[83]:
   0  1
0  e  e
1  d  d
2  c  c

In [84]: x.eq(df.LABEL).any()
Out[84]:
0    True
1    True
dtype: bool

PS Я использую Pandas 0.23.0

...