交叉验证分类错误

我使用以下代码来获取分类结果:

 folds = 5 #number of folds for the cv        #Logistic Regression--        clf = linear_model.LogisticRegression(penalty='l1')        kf = KFold(len(clas), n_folds=folds)    fold = 1    cms = np.array([[0,0],[0,0]])    accs = []    aucs=[]    for train_index, test_index in kf:        X_train, X_test = docs[train_index], docs[test_index]        y_train, y_test = clas2[train_index], clas2[test_index]        clf.fit(X_train, y_train)        prediction = clf.predict(X_test)        acc = accuracy_score(prediction, y_test)        cm = confusion_matrix(y_test,prediction)        pred_probas = clf.predict_proba(X_test)[:,1]        fpr, tpr, thresholds = metrics.roc_curve(y_test, pred_probas)        print('Test Accuracy for fold {}: {}\n{}'.format(fold,round((acc*100),2),cm))        roc_auc = auc(fpr,tpr)        print('AUC for fold {} : {}'.format(fold,round((roc_auc*100),2)))        fold +=1        cms += cm        accs.append(acc)        aucs.append(roc_auc)    print('CV test accuracy: {}\n{}'.format(round((np.mean(accs)*100),2),cms))    print('\nCV AUC: {}'.format(round(np.mean(aucs)*100),2))    print('\nCV accuracy: %.3f +/- %.3f' % (round((np.mean(accs)*100),2),round((np.std(accs)*100),2)))    print('\nCV ROC AUC: %.3f +/- %.3f' % (round((np.mean(aucs)*100),2),round((np.std(aucs)*100),2)))    print('\nPeak accuracy: '+str(round((np.amax(accs)*100),2)))    print('\nPeak ROC AUC: '+str(round((np.amax(aucs)*100),2)))

我不确定是否做错了什么,但我有两个类别:是=406,否=139,代码给出了以下结果

Test Accuracy for fold 1: 87.16[[94  9] [ 5  1]]AUC for fold 1 : 66.1Test Accuracy for fold 2: 92.66[[100   6] [  2   1]]AUC for fold 2 : 62.42Test Accuracy for fold 3: 90.83[[99  7] [ 3  0]]AUC for fold 3 : 43.08Test Accuracy for fold 4: 88.07[[83  8] [ 5 13]]AUC for fold 4 : 85.5Test Accuracy for fold 5: 53.21[[ 0  0] [51 58]]AUC for fold 5 : nanCV test accuracy: 82.39[[376  30] [ 66  73]]CV AUC: nanCV accuracy: 82.390 +/- 14.720CV ROC AUC: nan +/- nanPeak accuracy: 92.66Peak ROC AUC: nanC:\Users\kkothari\AppData\Local\Continuum\Anaconda3\lib\site-packages\sklearn\metrics\ranking.py:530: UndefinedMetricWarning: No negative samples in y_true, false positive value should be meaningless  UndefinedMetricWarning)C:\Users\kkothari\AppData\Local\Continuum\Anaconda3\lib\site-packages\sklearn\metrics\ranking.py:95: RuntimeWarning: invalid value encountered in less  if np.any(dx < 0):

最初我只有17个否文档,但它运行得很好。有人能指出一些错误或解释一下发生了什么吗?


回答:

基本上,你有一个非常小的类(大约20-30个样本?),在其中一个分割中你没有得到任何样本,因此导致了错误。你可以使用StratifiedKFold来代替,它保证在每个分割中你都有来自每个类的恒定数量的样本。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注