sklearn log_loss unterschiedliche Anzahl von Klassen

Ich bin mit log_loss mit sklearn

from sklearn.metrics import log_loss
print log_loss(true, pred,normalize=False)

und ich haben folgenden Fehler:

ValueError: y_true and y_pred have different number of classes 38, 2

Es ist wirklich seltsam für mich, da die arrays, die Aussehen gilt:

print pred.shape
print np.unique(pred)
print np.unique(pred).size
(19191L,)
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
 25 26 27 28 29 30 31 32 33 34 35 36 37]
38

print true.shape
print np.unique(true)
print np.unique(true).size
(19191L,)
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
 25 26 27 28 29 30 31 32 33 34 35 36 37]
38

Was ist falsch mit der log_loss? Warum es den Fehler auslöst?

Beispieldaten:

pred: array([ 0,  1,  2, ...,  3, 12, 16], dtype=int64)
true: array([ 0,  1,  2, ...,  3, 12, 16])
  • Können Sie nach ein paar Daten für pred und wahr ist? Es sieht aus wie Ihre Etiketten werden falsch übergeben.
  • Hinzugefügt, um die original-Beitrag
  • Melden Sie den Verlust ist für die Bewertung der Genauigkeit der Wahrscheinlichkeiten - es erwartet Sie ein array von Wahrscheinlichkeiten im Zusammenhang mit allen möglichen Labels (Sie übergeben, nur label). Ich glaube, Ihr pred-variable muss ein array von n-arrays, wobei n die Anzahl der Etiketten.
InformationsquelleAutor Ablomis | 2015-11-09
  1. 9

    Es ist einfach, Sie sind über die Vorhersage und nicht die Wahrscheinlichkeit, dass Ihre Vorhersage. Ihre pred variable enthält 

    [ 1 2 1 3 .... ] #Classes : 1, 2 or 3

    aber log_loss es sollte so etwas wie:

     [[ 0.1, 0.8, 0.1] [ 0.0, 0.79 , 0.21] .... ] #each element is an array with probability of each class

    Werden, um diese Wahrscheinlichkeiten mit der Funktion predict_proba:

    pred = model.predict_proba(x_test)
eval = log_loss(y_true,pred)
    InformationsquelleAutor deltascience
  2. 1

    Innerhalb der log_loss Methode, true, array fit ist und verwandelt durch ein LabelBinarizer was ändert seine Dimensionen. So, die Prüfung, die wahre und pred haben ähnliche Dimensionen bedeutet nicht, dass log_loss Methode funktioniert, weil die wahren Dimensionen ändern. Wenn Sie nur mit binary-Klassen, ich schlage vor, Sie verwenden diese log_loss Kosten Funktion sonst für mehrere Klassen, diese Methode funktioniert nicht.

    InformationsquelleAutor Hima Varsha
  3. 1

    Aus der log_loss Dokumentation:

    y_pred : array-wie der float Form = (n_samples, n_classes) oder (n_samples,)

    Vorhergesagten Wahrscheinlichkeiten, als zurückgegeben, indem ein Klassifikator ist predict_proba Methode. Wenn y_pred.Form = (n_samples,) die Wahrscheinlichkeiten, sofern davon ausgegangen werden, dass die positive Klasse. Die Etiketten in y_pred ausgegangen werden alphabetisch sortiert, wie bei der Vorverarbeitung.LabelBinarizer.

    Muss man die Wahrscheinlichkeiten nicht die Vorhersage labels.

    InformationsquelleAutor ug2409
Schreibe einen Kommentar