多クラスのマルチラベル出力変数にランダムフォレスト分類子を実行しました。私は出力を下回った。Python scikitはマルチクラスのマルチラベルパフォーマンスメトリックを学習しますか?
My y_test values
Degree Nature
762721 1 7
548912 0 6
727126 1 12
14880 1 12
189505 1 12
657486 1 12
461004 1 0
31548 0 6
296674 1 7
121330 0 17
predicted output :
[[ 1. 7.]
[ 0. 6.]
[ 1. 12.]
[ 1. 12.]
[ 1. 12.]
[ 1. 12.]
[ 1. 0.]
[ 0. 6.]
[ 1. 7.]
[ 0. 17.]]
次に、分類器のパフォーマンスを確認します。私はマルチクラスのマルチラベルのために "ハミング損失またはjaccard_similarity_score"が良い指標であることを発見しました。私はそれを計算しようとしましたが、私は価値のエラーを得ていました。行の下
Error:
ValueError: multiclass-multioutput is not supported
私が試した:
print hamming_loss(y_test, RF_predicted)
print jaccard_similarity_score(y_test, RF_predicted)
おかげで、
それはそれは、ライブラリでサポートされていない場合は、ハードこれを自分で実装することをすべきではありません。 – Zafi